为啥solr使用中文分词cmd命令行会出现异常

Posted 2023-04-26

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了为啥solr使用中文分词cmd命令行会出现异常相关的知识，希望对你有一定的参考价值。

参考技术A 方法一：在当前目录下，按下shift+鼠标右键，会出现“在此处打开命令窗口”的字样，然后点击即可。方法二：在该文件夹上，按下shift+鼠标右键，会出现“在此处打开命令窗口”的字样，然后点击即可。

solr安装与使用

转自：:http://www.cnblogs.com/zhuxiaojie/p/5764680.html，谢谢博主分享

至于为什么要用solr5.5，因为最新的6.10，没有中文的分词器支持，这里使用的是ik分词器，刚好支持到5.5

ik分词器下载地址 :https://github.com/EugenePig/ik-analyzer-solr5 ，下载完之后使用maven命令， mvn package 即可生成jar文件，或者下载我编译好的 http://pan.baidu.com/s/1o7P0846

solr5.5下载地址: http://apache.fayea.com/lucene/solr/5.5.2/

tomcat8下载，下载地址就不说了

一：安装配置

下载完成之后，解压solr文件，解压tomcat

1.1 在tomcat安装solr,并且建立solrCore

把solr5.5目录下的server/solr-webapp/webapp　重命名为solr,并且放置到tomcat/webapp的目录下。　
打开tomcat/webapp/solr/WEB-INF/web.xml
新建一个文件夹，不要中文目录，用来做solrHome，也就是solrCore的实例存放位置
在tomcat/webapp/solr/WEB-INF/web.xml中配置solr的地址
在tomcat/webapp/solr/WEB-INF/文件夹中，建立classes目录
把solr5.5/server/resource/log4j.properties 复制到上一步建立的classes目录中
把solr5.5/server/lib/ext/目录下的所有jar文件复制到tomcat/webapp/solr/WEB-INF/lib/中，这是一些日志用的jar包，不然启动报错。
这个时候，可以输入http://127.0.0.1:8080/solr/admin.html来访问到solr的控制界面了。
接下来就是创建solrCore。
目前solrHome目录是空的，我们创建一个空文件夹core1，这个就是我们的一个实例，然后把solr5.5/server/solr/configsets/sample_techproducts_configs/conf/ 这个文件复制到solrHome/core1中。
把solr5.5/server/solr/solr.xml复制到solrHome目录下。
在solr的管理控制台界面，添加一个core1
这下就创建成功了一个实例core1,yge 请注意我打码的部分，需要先执行第11步操作，否则的话，会无法创建solr core，也就是会有错误信息，这是solr的一个bug，但是至今没有修复。

1.2 安装ik中文分词器

准备好ik分词器的jar包，可以自己编译，也可以下载我生成的。然后把它复制到tomcat/webapp/solr/WEB-INF/lib里面。(千万不要复制到tomcat/lib中，这样会找不到lucene的类)
打开solrHome/core1/conf/managed-schema文件，在最下方，追加如下配置

    <fieldType name="text_ik" class="solr.TextField">
        <analyzer type="index" useSmart="false"
            class="org.wltea.analyzer.lucene.IKAnalyzer" />
        <analyzer type="query" useSmart="true"
            class="org.wltea.analyzer.lucene.IKAnalyzer" />
    </fieldType>

启动tomcat，即可看到text_ik分词

1.3 插入的文档必须与域相匹配

域，我个人也称它为字段，它在solr中有特定的含义，就类似数据库中表的列一样，规范着写入的数据，我们先来做个例子。

技术分享

可以看到，我这次插入的文档，有id，title当然，在solr中，每一条记录都必须有着一个唯一的id，它就类似数据库中的主键，不可重复。这条记录的插入是成功的。

但是，如果我把title改成title1,这就与定义的字段不一样了，就会报错，如下图所示

技术分享

可以看到，这里提示，未知的字段 title1.

1.4 域的定义 field

先拿出一条配置来看一下

<field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" />

认识一下这些属性

　　name:域名

　　type:域的类型，必须匹配类型，不然会报错

　　indexed:是否要作索引

　　stored:是否要存储

　　required:是否必填，一般只有id才会设置

　　multiValued:是否有多个值，如果设置为多值，里面的值就采用数组的方式来存储，比如商品图片地址(大图，中图，小图等)

1.5 配置动态域 dynamicField

同样的，也先拿出一条来看看

<dynamicField name="*_i"  type="string"    indexed="true"  stored="true" multiValued="true" />

何谓动态域呢？就是这个域的名称，是由表达式组成的，只要名称满足了这个表达式，就可以用这个域

同样的认识一下这些属性

　　name:域的名称，该域的名称是通过一个表达式来指定的，只要符合这这个规则，就可以使用这个域。比如 aa_i,bb_i,13_i等等，只要满足这个表达式皆可

　　type:对应的值类型，相应的值必须满足这个类型，不然就会报错

　　indexed:是否要索引

　　stored:是否要存储

　　...其它的属性与普通的域一至

1.6 主键域 uniqueKey

给出一条配置

 <uniqueKey>id</uniqueKey>

指定一个唯一的主键，每一个文档中，都应该有一个唯一的主键，这个值不要随便改

1.7 复制域 copyField

给出一条配置

<copyField source="cat" dest="text"/>

说明一下相应的属性

　　source:源域

　　dest:目标域

复制域，将源域的内容复制到目标域中

注意：目标域必须是允许多值的，如下，nultiValued必须为true，因为可能多个源域对应一个目标域，所以它需要以数组来存储

<field name="text" type="string" indexed="true" stored="true" multiValued="true"/>

1.8 域的类型 fieldType

同样的给出一段配置，这段稍微有点复杂

    <fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
      <analyzer type="index">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
        <!-- in this example, we will only use synonyms at query time
        <filter class="solr.SynonymFilterFactory" synonyms="index_synonyms.txt" ignoreCase="true" expand="false"/>
        -->
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
      <analyzer type="query">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
        <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
        <filter class="solr.LowerCaseFilterFactory"/>
      </analyzer>
    </fieldType>

给出相应属性的说明

　　name:域的名称

　　class:指定solr的类型

　　analyzer:分词器的配置

　　　　type: index(索引分词器)，query(查询分词器)

　　　　tokenizer:配置分词器

　　　　filter:过滤器

1.9 业务字段的实际配置

经过上面的学习，差不多了解了一些常用的配置，如今我们用field来配置实际的业务字段，有属性如下

技术分享

当然，中文分词还是要用的，因为我们在前面的 1.2 章节中，已经配置了一个fieldType的中文分词，所以我们现在一律用中文分词的域类型

主键的id就不需要配置了，默认已经把id配置为主键了，默认的配置如下

<field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" />

商品名称(需要分词，需要存储)

<field name="name" type="text_ik" indexed="true" stored="true"  />

商品分类(不需要分词，需要存储)

<field name="catalog" type="int" indexed="false" stored="true"  />

商品分类名称(需要分词，需要存储)

<field name="catalog_name" type="text_ik" indexed="true" stored="true"  />

商品价格(不分词，需要存储)

<field name="price" type="double" indexed="false" stored="true"  />

商品描述(需要分词，不需要存储)

<field name="description" type="text_ik" indexed="true" stored="false"  />

商品图片(不需要分词，需要存储)

<field name="picture" type="string" indexed="false" stored="true"  />

复制域的应用

前面我们了解了复制域，但是却不知道它的应用场景，现在我们结合实际情况来讲一下复制域

用户在搜索框搜索的时候，有可能输入的是商品名称，也有可能输入的是商品描述，也有可能输入的是一个商品类型，那么这些值的搜索，肯定在后台是对应一个域的，那么既然如此，我们就可以把这些域合并成一个，这样在后台只需要单独的对这一个域进行搜索就可以了

先定义一个目标域

<field name="keywords" type="text_ik" indexed="true" stored="false"  multiValued="true"/>

复制域，把商品名称，商品描述，商品类型名称复制到上面的这个域中

<copyField source="name" dest="keywords"/>
<copyField source="catalog_name" dest="keywords"/>
<copyField source="description" dest="keywords"/>

1.10 dataimport 导入数据库数据

solr默认是没有开启dataimport这个功能的，所以我们要经过一点配置来开启它

首先找到solr5.5/dist/solr-dataimporthandler-5.5.2.jar，把这个文件复制到tomcat/webapp/solr/WEB-INF/lib/下，并且找到相应数据库的驱动包，也同样放到该目录。我这里用的是mysql的驱动包。
找到solr5.5/example/example-DIH/solr/db/conf/db-data-config.xml，把其复制到solrHome/core1/conf/下，并改名为data-config.xml.
找到solrHome/core1/conf/solrconfig.xml，并打开，在里面添加一段内容，如下

  <requestHandler name="/dataimport" class="solr.DataImportHandler">
      <lst name="defaults">
            <str name="config">data-config.xml</str>
      </lst>
  </requestHandler>

打开并编辑data-config.xml，完整的配置文件如下

 <dataConfig>
    <!-- 这是mysql的配置，学会jdbc的都应该看得懂 -->
    <dataSource driver="com.mysql.jdbc.Driver" url="jdbc:mysql://localhost:3306/solr/useUnicode=true&characterEncoding=utf-8" user="root" password="密码"/>
    <document>
        <!-- name属性，就代表着一个文档，可以随便命名 -->
        <!-- query是一条sql，代表在数据库查找出来的数据 -->
        <entity name="product" query="select * from products">
            <!-- 每一个field映射着数据库中列与文档中的域，column是数据库列，name是solr的域(必须是在managed-schema文件中配置过的域才行) -->
            <field column="pid" name="id"/>
            <field column="name" name="product_name"/>
            <field column="catalog" name="product_catalog"/>
            <field column="catalog_name" name="product_catalog_name"/>
            <field column="price" name="product_price"/>
            <field column="description" name="product_description"/>
            <field column="picture" name="product_picture"/>
        </entity>
    </document>
</dataConfig>

重启tomcat，然后会看到如下页面
点击蓝色的按钮，则开始导入，导入过程依据数量量的大小，需要的时间也不同，可以点击右边的Refresh status来刷新状态，可以查看当前导入了多少条。
导入成功如下

二：solrj的使用

代码地址 https://github.com/zxj19951029/useSolrj

上面一章节已经讲完了solr的安装与配置，现在说一下使用solrj来维护solr的索引及操作，solrj就是一个java的客户端，是一个jar包的使用

首先引入MAVEN的依赖，solrj的版本号要对应solr的版本号

        <dependency>
            <groupId>org.apache.solr</groupId>
            <artifactId>solr-solrj</artifactId>
            <version>5.5.2</version>
        </dependency>

2.1 增加及修改

首先说明，在solr中，增加与修改都是一回事，当这个id不存在时，则是添加，当这个id存在时，则是修改

代码很好理解，直接给出

    private String serverUrl = "http://192.168.1.4:8080/solr/core1";
    /**
     * 增加与修改<br>
     * 增加与修改其实是一回事，只要id不存在，则增加，如果id存在，则是修改
     * @throws IOException 
     * @throws SolrServerException 
     */
    @Test
    public void upadteIndex() throws SolrServerException, IOException{
        //已废弃的方法
        //HttpSolrServer server = new HttpSolrServer("http://192.168.1.4:8080/solr/core1");
        //创建
        HttpSolrClient client = new  HttpSolrClient(serverUrl);
        SolrInputDocument doc = new SolrInputDocument();
        
        doc.addField("id", "zxj1");
        doc.addField("product_name", "javaWEB技术");
        doc.addField("product_catalog", "1");
        doc.addField("product_catalog_name", "书籍");
        doc.addField("product_price", "11");
        doc.addField("product_description", "这是一本好书");
        doc.addField("product_picture", "图片地址");
        
        client.add(doc);
        client.commit();
        
        client.close();
    }

2.2 删除索引

删除的代码也直接给出，看代码里面的注释就可以了

    /**
     * 删除索引
     * @throws Exception
     */
    @Test
    public void deleteIndex()throws Exception{
        HttpSolrClient client = new  HttpSolrClient(serverUrl);
        
        //1.删除一个
        client.deleteById("zxj1");
        
        //2.删除多个
        List<String> ids = new ArrayList<>();
        ids.add("1");
        ids.add("2");
        client.deleteById(ids);
        
        //3.根据查询条件删除数据,这里的条件只能有一个，不能以逗号相隔
        client.deleteByQuery("id:zxj1");
        
        //4.删除全部，删除不可恢复
        client.deleteByQuery("*:*");
        
        //一定要记得提交，否则不起作用
        client.commit();
        client.close();
    }

2.3 查询

查询稍微复杂一点，但是与solr管理界面的条件一致

这里先给出一些查询的说明，建议查看这篇文章，个人感觉还是不错的http://blog.csdn.net/gufengshanyin/article/details/21098879

q - 查询字符串，如果查询所有*:* (id:1)
fq - （filter query）过虑查询，过滤条件，基于查询出来的结果
fl - 指定返回那些字段内容，用逗号或空格分隔多个。
start - 分页开始
rows - 分页查询数据
sort - 排序，格式：sort=<field name>+<desc|asc>[,<field name>+<desc|asc>]… 。示例：（score desc, price asc）表示先 “score” 降序, 再 “price” 升序，默认是相关性降序。
wt - (writer type)指定输出格式，可以有 xml, json, php, phps。
fl表示索引显示那些field( *表示所有field,如果想查询指定字段用逗号或空格隔开（如：Name,SKU,ShortDescription或Name SKU ShortDescription【注：字段是严格区分大小写的】）)
q.op 表示q 中查询语句的各条件的逻辑操作 AND(与) OR(或)
hl 是否高亮 ,如hl=true
hl.fl 高亮field ,hl.fl=Name,SKU
hl.snippets :默认是1,这里设置为3个片段
hl.simple.pre 高亮前面的格式
hl.simple.post 高亮后面的格式
facet 是否启动统计
facet.field 统计field

1. “:” 指定字段查指定值，如返回所有值*:*
2. “?” 表示单个任意字符的通配
3. “*” 表示多个任意字符的通配（不能在检索的项开始使用*或者?符号）
4. “~” 表示模糊检索，如检索拼写类似于”roam”的项这样写：roam~将找到形如foam和roams的单词；roam~0.8，检索返回相似度在0.8以上的记录。
5. 邻近检索，如检索相隔10个单词的”apache”和”jakarta”，”jakarta apache”~10
6. “^” 控制相关度检索，如检索jakarta apache，同时希望去让”jakarta”的相关度更加好，那么在其后加上”^”符号和增量值，即jakarta^4 apache
7. 布尔操作符AND、||
8. 布尔操作符OR、&&
9. 布尔操作符NOT、!、- （排除操作符不能单独与项使用构成查询）
10. “+” 存在操作符，要求符号”+”后的项必须在文档相应的域中存在
11. ( ) 用于构成子查询
12. [] 包含范围检索，如检索某时间段记录，包含头尾，date:[200707 TO 200710]

给出基本的代码看一下，仅仅作为一个基本的查询，高级的查询，各位要自己结合文档

package zxj.solrj;

import java.util.List;
import java.util.Map;

import org.apache.solr.client.solrj.SolrQuery;
import org.apache.solr.client.solrj.impl.HttpSolrClient;
import org.apache.solr.client.solrj.response.QueryResponse;
import org.apache.solr.common.SolrDocument;
import org.apache.solr.common.SolrDocumentList;
import org.junit.Test;

/**
 * 搜索
 * @author Administrator
 *
 */
public class IndexSearch {

    private String serverUrl = "http://192.168.1.4:8080/solr/core1";
    @Test
    public void search()throws Exception{
        HttpSolrClient client = new  HttpSolrClient(serverUrl);
        
        //创建查询对象
        SolrQuery query = new SolrQuery();
        //q 查询字符串，如果查询所有*:*
        query.set("q", "product_name:小黄人");
        //fq 过滤条件，过滤是基于查询结果中的过滤
        query.set("fq", "product_catalog_name:幽默杂货");
        //sort 排序，请注意，如果一个字段没有被索引，那么它是无法排序的
//        query.set("sort", "product_price desc");
        //start row 分页信息，与mysql的limit的两个参数一致效果
        query.setStart(0);
        query.setRows(10);
        //fl 查询哪些结果出来，不写的话，就查询全部，所以我这里就不写了
//        query.set("fl", "");
        //df 默认搜索的域
        query.set("df", "product_keywords");
        
        //======高亮设置===
        //开启高亮
        query.setHighlight(true);
        //高亮域
        query.addHighlightField("product_name");
        //前缀
        query.setHighlightSimplePre("<span style=‘color:red‘>");
        //后缀
        query.setHighlightSimplePost("</span>");
        
        
        //执行搜索
        QueryResponse queryResponse = client.query(query);
        //搜索结果
        SolrDocumentList results = queryResponse.getResults();
        //查询出来的数量
        long numFound = results.getNumFound();
        System.out.println("总查询出:" + numFound + "条记录");
        
        //遍历搜索记录
        //获取高亮信息
        Map<String, Map<String, List<String>>> highlighting = queryResponse.getHighlighting();
        for (SolrDocument solrDocument : results) {
            System.out.println("商品id:" + solrDocument.get("id"));
            System.out.println("商品名称 :" + solrDocument.get("product_name"));
            System.out.println("商品分类:" + solrDocument.get("product_catalog"));
            System.out.println("商品分类名称:" + solrDocument.get("product_catalog_name"));
            System.out.println("商品价格:" + solrDocument.get("product_price"));
            System.out.println("商品描述:" + solrDocument.get("product_description"));
            System.out.println("商品图片:" + solrDocument.get("product_picture"));

            //输出高亮 
            Map<String, List<String>> map = highlighting.get(solrDocument.get("id"));
            List<String> list = map.get("product_name");
            if(list != null && list.size() > 0){
                System.out.println(list.get(0));
            }
        }
        
        client.close();
    }
}

注意：没有索引的域，是不能用作排序的

以上是关于为啥solr使用中文分词cmd命令行会出现异常的主要内容，如果未能解决你的问题，请参考以下文章

solr8.2 环境搭建配置中文分词器 ik-analyzer-solr8 详细步骤

solr php里中文分词怎么用

站内全文搜索

solr

[Nutch]Solr配置自定义的中文分词器mmseg4j

solr安装与使用