目录
实验内容
实验环境
实验过程
总结
实验内容：
使用Solr全文搜索引擎，定位金庸小说神雕侠侣中独孤求败出现的情节，认识Solr，并学习Solr的使用。
实验环境：
操作系统：Windows 8.1
Java环境：
Java环境.png
实验工具：Apache Solr引擎 版本：6.5.1
实验过程：
（1）下载并启用Solr
下载链接：http://archive.apache.org/dist/lucene/solr/6.5.1/
Windows下命令行启用Solr:
solr start
注意执行命令所在的文件目录。此外可以使用：-p port，指定启用Solr的端口号，默认端口号为：8983
启用后通过浏览器访问Solr Web admin:
Solr Web admin.png
（2）创建项目
即创建core
solr create -c corename
（3）配置中文分词包：MMseg4j
1.分词包版本：2.3.0
2.将分词包解压复制到项目Lib目录下，或*\solr-6.5.1\server\solr-webapp\webapp\WEB-INF\lib目录下，在项目managed-schema文件中指定对应路径即可。
3.在项目managed-schema中定义字段类型：
<fieldType name="text_mmseg4j_complex" class="solr.TextField" positionIncrementGap="100" >
<analyzer type="index">
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" dicPath="D:\solr-6.5.1\server\solr\jialin\conf"/>
<filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
</analyzer>
</fieldType>
<fieldType name="text_mmseg4j_maxword" class="solr.TextField" positionIncrementGap="100" >
<analyzer>
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" dicPath="D:\solr-6.5.1\server\solr\jialin\conf"/>
<filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
</analyzer>
</fieldType>
<fieldType name="text_mmseg4j_simple" class="solr.TextField" positionIncrementGap="100" >
<analyzer>
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" dicPath="D:\solr-6.5.1\server\solr\jialin\conf"/>
<filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
</analyzer>
</fieldType>
4.创建自定义词典：添加词：郭靖 黄蓉
在solrconfig.xml添加如下内容，主要注意词库路径和词库编码。
<requestHandler name="/mmseg4j/reloadwords" class="com.chenlb.mmseg4j.solr.MMseg4jHandler">
<lst name="defaults">
<str name="dicPath">dicPath</str>
<str name="check">true</str>
<str name="reload">true</str>
</lst>
</requestHandler>
5.重启Solr，测试分词
加载词库.png
分词测试.png
（4）导入文件到Solr
1.选取神雕侠侣的七个回合作为检索材料，分别是第4、5、8、23、26、27、32回。
材料.png
2.导入文件方式有多种，此处选择DIH导入文件材料
创建data-config.xml：
<dataConfig>
<dataSource name="fileDataSource" type="FileDataSource" />
<document>
<entity name="files" dataSource="null" rootEntity="false"
processor="FileListEntityProcessor"
baseDir="dataPath" fileName=".*\.(json)|(txt)|(csv)|(xml)"
onError="skip"
recursive="true">
<field column="file" name="id"/>
<!--定义Document字段-->
<field column="fileAbsolutePath" name="filePath" />
<field column="fileSize" name="size" />
<field column="fileLastModified" name="lastModified" />
<entity processor="PlainTextEntityProcessor" name="txtfile" url="${files.fileAbsolutePath}" dataSource="fileDataSource">
<field column="plainText" name="text"/>
</entity>
</entity>
</document>
</dataConfig>
添加定义的字段到managed-shema：
<field name="text" type="text_mmseg4j_complex" indexed="true" stored="true" omitNorms="true" multiValued="false"/>
<field name="fileName" type="string" indexed="true" stored="true" />
<field name="filePath" type="string" indexed="true" stored="true" required="true" multiValued="false" />
<field name="size" type="long" indexed="true" stored="true" />
<field name="lastModified" type="date" indexed="true" stored="true" />
在solrconfig.xml中定义DIH：
<requestHandler name="/dataimport" class="solr.DataImportHandler">
<lst name="defaults">
<str name="config">data-config.xml</str>
</lst>
</requestHandler>
重启Solr，导入数据：
导入数据.png
导入成功.png
数据格式.png
其中text字段则为每一回的文本内容。
（5）执行查询
1.执行q=text:郭靖，选择高亮，郭靖以添加至自定义词库，查询得结果如下：
查询郭靖.png
查得郭靖共在六个回合中有出现，高亮了郭靖出现的情节，此处高亮限定截取了一百个字符。response返回了所有“郭靖”出现过的字段。
2.添加“独孤”到自定义词库，执行q=text:独孤求败，选择高亮，结果如下：
查询独孤求败.png
可见匹配结果不理想。执行q=text:独孤，返回结果空。
原因分析：
可能原因是索引分词器和查询分词器不一致，导致匹配terms失配，返回结果为空，查询分词器将“独孤”分为了：独/孤。但是值得思考的是，在查询：郭靖时为何查询不为空。
尝试的解决办法：指定QParser
1.在项目managed-schema指定字段的<analyzer type="query">
2.在solrconfig.xml中定义<queryparser>
3.执行Solr查询时，指明defType查询参数
4.reload自定义词库
可能由于细节操作不当或原因分析错误，以上方法现为解决问题。
总结：
Solr作为一款开源的全文检索搜索引擎，其功能强大，学习该引擎的使用，对认识、理解搜索有一定重要意义。
对比Solr引擎和关系数据库引擎的异同，有助于了解Solr。
本次试验中所用的检索材料的数据结构和字段设计可以进一步整理、优化，以实现更高效的检索定位。
基于Solr的全文索引的建立和查询匹配，还有待进一步的学习。
网友评论