honeymoose
/
ik-analyzer-solr
1
0
Fork 0
Code Issues Pull Requests Packages Projects Releases Wiki Activity
92 Commits 2 Branches 11 Tags 11 MiB
Java 100%
Go to file
magese a3705f5753 Merge remote-tracking branch 'origin/master' 2019-07-11 15:08:40 +08:00
.github/ISSUE_TEMPLATE Update issue templates 2019-03-01 15:01:25 +08:00
img ADD THANKS TO IDEA 2019-01-18 09:42:08 +08:00
src/main Update lucene to 8.1.1 2019-07-11 13:51:05 +08:00
.gitignore Initial commit 2018-05-10 13:52:58 +08:00
.travis.yml Add Travis CI properties 2018-11-15 11:22:23 +08:00
CONTRIBUTING.md Create CONTRIBUTING.md 2019-03-01 15:02:32 +08:00
LICENSE Update LICENSE 2018-11-15 11:05:24 +08:00
README-CLOUD.md Update README-CLOUD.md 2018-12-26 17:35:34 +08:00
README.md Merge remote-tracking branch 'origin/master' 2019-07-11 15:08:40 +08:00
pom.xml Update lucene to 8.1.1 2019-07-11 13:51:05 +08:00

README.md

ik-analyzer-solr

ik-analyzer for solr 7.x-8.x

GitHub version Open Source Love Crates.io Build Status HitCount

GitHub forks GitHub stars

简介

适配最新版本solr 7&8；

扩展IK原有词库：

分词工具 词库中词的数量 最后更新时间
ik 27.5万 2012年
mmseg 15.7万 2017年
word 64.2万 2014年
jieba 58.4万 2012年
jcesg 16.6万 2018年
sougou词库 115.2万 2019年

将以上词库进行整理后约187.1万条词汇；

添加动态加载词典表功能，在不需要重启solr服务的情况下加载新增的词典。

使用说明

  • jar包下载地址：GitHub version

  • 历史版本：GitHub version

    <!-- Maven仓库地址 -->
<dependency>
    <groupId>com.github.magese</groupId>
    <artifactId>ik-analyzer</artifactId>
    <version>8.1.1</version>
</dependency>

Solr-Cloud

单机版Solr

  1. 将jar包放入Solr服务的Jetty或Tomcat的webapp/WEB-INF/lib/目录下；

  2. 将resources目录下的5个配置文件放入solr服务的Jetty或Tomcat的webapp/WEB-INF/classes/目录下；

    ① IKAnalyzer.cfg.xml
② ext.dic
③ stopword.dic
④ ik.conf
⑤ dynamicdic.txt

  3. 配置Solr的managed-schema，添加ik分词器，示例如下；

    <!-- ik分词器 -->
<fieldType name="text_ik" class="solr.TextField">
  <analyzer type="index">
      <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="false" conf="ik.conf"/>
      <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <analyzer type="query">
      <tokenizer class="org.wltea.analyzer.lucene.IKTokenizerFactory" useSmart="true" conf="ik.conf"/>
      <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

  4. 启动Solr服务测试分词；

    analyzer

  5. ik.conf文件说明：

    files=dynamicdic.txt
lastupdate=0
    1. files为动态词典列表，可以设置多个词典表，用逗号进行分隔，默认动态词典表为dynamicdic.txt；
    2. lastupdate默认值为0，每次对动态词典表修改后请+1，不然不会将词典表中新的词语添加到内存中。lastupdate采用的是int类型，不支持时间戳，如果使用时间戳的朋友可以把源码中的int改成long即可； 2018-08-23 已将源码中lastUpdate改为long类型，现可以用时间戳了。

  6. dynamicdic.txt 为动态词典

    在此文件配置的词语不需重启服务即可加载进内存中。 以#开头的词语视为注释，将不会加载到内存中。

更新说明

  • 2019-07-11: 升级lucene版本为8.1.1
  • 2019-05-27:
    • 升级lucene版本为8.1.0
    • 优化原词典部分重复词语
    • 更新搜狗2019最新流行词汇词典，约20k词汇量
  • 2019-05-15: 升级lucene版本为8.0.0，并支持Solr8使用
  • 2019-03-01: 升级lucene版本为7.7.1
  • 2019-02-15: 升级lucene版本为7.7.0
  • 2018-12-26:
    • 升级lucene版本为7.6.0
    • 兼容solr-cloud，动态词典配置文件及动态词典可交由zookeeper进行管理
    • 动态词典增加注释功能，以#开头的行将视为注释
  • 2018-12-04: 整理更新词库列表magese.dic
  • 2018-10-10: 升级lucene版本为7.5.0
  • 2018-09-03: 优化注释与输出信息，取消部分中文输出避免不同字符集乱码，现会打印被调用inform方法的hashcode
  • 2018-08-23:
    • 完善了动态更新词库代码注释；
    • 将ik.conf配置文件中的lastUpdate属性改为long类型，现已支持时间戳形式
  • 2018-08-13: 更新maven仓库地址
  • 2018-08-01: 移除默认的扩展词与停用词
  • 2018-07-23: 升级lucene版本为7.4.0

感谢 Thanks

IDEA

forthebadge

BUG & 疑问 & 其它

如果您在使用过程中遇到了BUG，或者有不清楚的地方，请挂ISSUE或者联系作者：magese@live.cn

如果您觉得该项目对您有帮助，请别忘记给这个项目一个star