solr 跟paoding整合

solr 和paoding整合
1.        下载paoding-analysis-2.0.4-beta.zip
http://code.google.com/p/paoding/downloads/list

2.        解压压缩包至paoding-analysis-2.0.4-beta
3.        设置paoding的home环境变量：
l        把paoding-analysis-2.0.4-beta中的dic文件夹考到solr的home文件夹中
l        进入paoding-analysis-2.0.4-beta找到paoding-analysis.jar，将其考到tomcat/webapps/solr/solr/WEB-INF/lib下
l        解压paoding-analysis.jar，找到文件paoding-dic-home.properties，更改属性如下：
paoding.dic.home=D:/solr/solr/dic（D:/solr/solr为solr的home目录）
l        重新编译打包成paoding-analysis.jar

4.        封装paoding
  
package org.paoding;

import java.io.Reader;
import java.util.Map;

import net.paoding.analysis.analyzer.PaodingTokenizer;
import net.paoding.analysis.analyzer.TokenCollector;
import net.paoding.analysis.analyzer.impl.MaxWordLengthTokenCollector;
import net.paoding.analysis.analyzer.impl.MostWordsTokenCollector;
import net.paoding.analysis.knife.PaodingMaker;

import org.apache.lucene.analysis.TokenStream;
import org.apache.solr.analysis.BaseTokenizerFactory;


/**
* 中文切词 对庖丁切词的封装
*/
public class ChineseTokenizerFactory extends BaseTokenizerFactory {
    /**
     * 最多切分   默认模式
     */
    public static final String MOST_WORDS_MODE = "most-words";
    /**
     * 按最大切分
     */
    public static final String MAX_WORD_LENGTH_MODE = "max-word-length";
    private String mode = null;
    public void setMode(String mode) {
             if (mode==null||MOST_WORDS_MODE.equalsIgnoreCase(mode)
                      || "default".equalsIgnoreCase(mode)) {
                  this.mode=MOST_WORDS_MODE;
             } else if (MAX_WORD_LENGTH_MODE.equalsIgnoreCase(mode)) {
                  this.mode=MAX_WORD_LENGTH_MODE;
             }
             else {
                  throw new IllegalArgumentException("不合法的分析器Mode参数设置:" + mode);
             }
        }
    @Override
    public void init(Map args) {
        super.init(args);
        setMode( (String) args.get("mode"));
    }
    public TokenStream create(Reader input) {
        return new PaodingTokenizer(input, PaodingMaker.make(),
                  createTokenCollector());
    }
    private TokenCollector createTokenCollector() {
        if( MOST_WORDS_MODE.equals(mode))
             return new MostWordsTokenCollector();
        if( MAX_WORD_LENGTH_MODE.equals(mode))
             return new MaxWordLengthTokenCollector();
        throw new Error("never happened");
    }
}


注：其中需要的包为solr.war中的lib库和庖丁文件包中的paoding-analysis.jar
将以上代码打包为paoding.jar（附件中可下载）,考到tomcat/webapps/solr/solr/WEB-INF/lib下。

5.        找到solr 的home目录下的conf（即D:\solr\solr\conf）中的schema.xml,做如下修改：


<fieldType name="text" class="solr.TextField" positionIncrementGap="100"> 
      <analyzer type="index"> 
        <!--<tokenizer class="solr.WhitespaceTokenizerFactory"/>--> 
        <tokenizer class="org.paoding.ChineseTokenizerFactory" mode="most-words"/> 
      ··· ···  
      </analyzer> 
      <analyzer type="query"> 
         <!--<tokenizer class="solr.WhitespaceTokenizerFactory"/>--> 
         <tokenizer     class="org.paoding.ChineseTokenizerFactory" mode="most-words"/>   
        ··· ···  
      </analyzer> 
</fieldType> 
其中<!-- --> 里面的为原来默认的内容

6.重启tomcat即可。进行测试http://localhost:8888/solr/admin/analysis.jsp