摘要： Solr有諸多分詞器，本文介紹Solr6與中文分詞庫mmseg4j的整合，在此之前，你需要有一個可以執行Solr的環境，參見Solr6.0與Jetty、Tomcat在Win環境下搭建/部署。

準備環境

mmseg4j需要mmseg4j-core-1.10.0.jar和mmseg4j-solr-2.3.0.jar，之前的mmseg4j-analysis已經整合進了mmseg4j-solr-2.3.0.jar，不需要再匯入

<dependency>
    <groupId>com.chenlb.mmseg4j</groupId>
    <artifactId
 
>mmseg4j-core</artifactId>
    <version>1.10.0</version>
</dependency>
<dependency>
    <groupId>com.chenlb.mmseg4j</groupId>
    <artifactId>mmseg4j-solr</artifactId>
    <version>2.3.0</version>
</dependency>

科普mmseg4j

1. mmseg4j 用 Chih-Hao Tsai 的 MMSeg 演算法(
   http://technology.chtsai.org/mmseg/ )實現的中文分詞器，並實現 lucene 的 analyzer 和 solr 的TokenizerFactory 以方便在Lucene和Solr中使用。
2. MMSeg 演算法有兩種分詞方法：Simple和Complex，都是基於正向最大匹配。
3. mmseg4j有三種分詞模式simple|complex|max-word，預設是max-word。
4. mmseg4j的詞庫強制使用 UTF-8。
5. mmseg4j 1.8.3 只支援 lucene 2.9/3.0 介面 和 solr 1.4。
   mmseg4j 1.8.5 支援 lucene 3.1, solr 3.1。
   mmseg4j 1.9.0 支援 lucene 4.0, solr 4.0。
   mmseg4j 1.9.1 支援 solr/lucene 4.3.1。
   mmseg4j-solr-2.0.0.jar 要求 lucene/solr >= 4.3.0。
   mmseg4j-solr-2.1.0.jar 要求 lucene/solr 4.8.x。
   mmseg4j-solr-2.2.0.jar 要求 lucene/solr [4.9, 4.10.x]。
   mmseg4j-solr-2.3.0.jar 要求 lucene/solr [5.0, ]
6. 作者chenlb，chenlb是中文名拼音Chen Lin Bin簡寫，公開資料顯示其來自浙江杭州。許多關於mmseg4j的說明可以在他的部落格上找到。很可惜的是，現在mmseg4j已經沒有更新了，並且mmseg4j已經不能完整支援Solr6及以上版本。

Solr6整合中文分詞mmseg4j

1. 確保已經裝好了Solr6，如果版本高於6，可能會不支援，需要改mmseg4j包
2. 解壓下載的壓縮包mmseg4j-solr-2.3.0-with-mmseg4j-core.zip，得到mmseg4j-core-1.10.0.jar和mmseg4j-solr-2.3.0.jar
3. 在solr_home下新建資料夾lib，將兩個jar檔案複製進去。
   
4. 配置schema.xml：在solr_home/core0/conf下找到schema.xml.bak檔案，將其重新命名為schema.xml，刪除managed-schema。
   
5. 編輯schema.xml：新增fieldType 和 field到schema.xml檔案。

<!-- mmseg4j fieldType-->
    <fieldType name="text_mmseg4j_complex" class="solr.TextField" positionIncrementGap="100" >  
        <analyzer>  
            <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex" />  
        </analyzer>  
    </fieldType>  
    <fieldType name="text_mmseg4j_maxword" class="solr.TextField" positionIncrementGap="100" >  
        <analyzer>  
            <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="max-word" />  
        </analyzer>  
    </fieldType>  
    <fieldType name="text_mmseg4j_simple" class="solr.TextField" positionIncrementGap="100" >  
        <analyzer>  
          <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="simple" />     
        </analyzer>  
    </fieldType>

注意：請不要給tokenizer加”dicPath”屬性,因為當前版本2.3.0的mmseg4j已經不能很好支援Solr6，新版本的Solr中有API的改動

<!--mmseg4j field-->
   <field name="mmseg4j_complex" type="text_mmseg4j_complex" indexed="true" stored="true"/>
   <field name="mmseg4j_maxword" type="text_mmseg4j_maxword" indexed="true" stored="true"/>
   <field name="mmseg4j_simple" type="text_mmseg4j_simple" indexed="true" stored="true"/>

6.啟動Solr，如果控制檯沒有報錯，那就大功告成了。點選Analysis，測試幾個資料看看。下面這個沒有分詞成南京-市長-江大橋。

7.如果你沒有執行起來，可能遇到了不相容的問題，在下一篇解答。