ok,直接开门见山，不绕弯子啦！基于上篇博客，我们知道了在solr中配置分词器有两种方式，一种是直接配置分词器类，比如：
<fieldtype name="text_ik" class="solr.textfield">
<analyzer class="org.wltea.analyzer.lucene.ikanalyzer" />
</fieldtype>
一种是配置tokenizerfactory类，由于solr api中并没有内置类似ik，ansj这样的中文分词器的tokenizerfactory类，所以我们需要自己扩展，不过你们不用担心，我已经扩展好了。配置样例如下：
<fieldtype name="text_ik" class="solr.textfield">
<analyzer type="index">
<tokenizer class="org.apache.lucene.analysis.ik.iktokenizerfactory" usesmart="true"/>
</analyzer>
<analyzer type="query">
<tokenizer class="org.apache.lucene.analysis.ik.iktokenizerfactory" usesmart="false"/>
我扩展的ansjtokenizerfactory源码如下：
public class ansjtokenizerfactory extends tokenizerfactory {
/**是否查询分词*/
private boolean query;
/**是否分析词干.进行单复数,时态的转换(只针对英文单词)*/
private boolean pstemming;
/**自定义停用词词典文件路径*/
private string stopwordsdir;
public ansjtokenizerfactory(map<string, string> args) {
super(args);
query = getboolean(args, "query", false);
pstemming = getboolean(args, "pstemming", false);
stopwordsdir = get(args, "stopwordsdir", "");
}
@override
public tokenizer create(attributefactory factory) {
if(query) {
return new ansjtokenizer(factory,new toanalysis(new forest[0]),stopwordsdir,pstemming);
}
return new ansjtokenizer(factory,new indexanalysis(new forest[0]),stopwordsdir,pstemming);
}
下面介绍如何在solr中使用ansj分词器，首先你需要在solr_home的core\lib目录下添加依赖的jar：
solr-analyzer-ansj-5.1.0.jar(这个jar包体积较小，请在底下的附件里下载)
nlp-lang-0.2.jar(这是ansj-seg-2.0.8.jar依赖的jar包)
如图：
然后在schema.xml中添加如下配置：
至于query，pstemming，stopwordsdir这3个配置参数的含义，请看我在源码中作的注释，如图：
query参数：分词的两个阶段：建立索引阶段和查询阶段，即表示是否为查询阶段分词，针对不同的分词阶段采用的分词策略是不一样的。具体看源码，如图：
pstemming：表示是否对英文单词进行单复数转换以及时态转换，比如apples还原成apple，loved还原成love,broken还原成break，注意pstemming参数仅仅是针对英文，因为只有英文才有单复数和时态形式。
stopwordsdir参数就很好理解了，就是你的自定义停用词词典的存放路径，
上面3个参数是可选的，不是必须配置的。
tokenizerfactory配置好了，然后你就在你的field中应用此分词器了，如图：
然后你需要把ansj的library.properties配置文件copy到e:\apache-tomcat-7.0.55\webapps\solr\web-inf\classes路径，如图：
library.properties配置如下：
#redress dic file path
ambiguitylibrary=e:/apache-tomcat-7.0.55/webapps/solr/web-inf/classes/library/ambiguity.dic
#path of userlibrary this is default library
userlibrary=e:/apache-tomcat-7.0.55/webapps/solr/web-inf/classes/library
#set real name
isrealname=true
比较恶心的是，anasj分词器的字典文件加载路径这里只能写死成绝对路径，因为它源码里加载字典文件是直接通过new file(dicpath)这种方式来实现的。当你在eclipse中运行，你的dicpath相对路径是你的项目根目录，而如果你的项目部署到tomcat，那dicpath的相对路径就是tomcat根目录下的bin，这确实比较啃爹，所以我这里干脆直接写成绝对路径，当然你可以把字典文件放到任意目录下，比如c:\library,不是非要放到tomcat下，这个我必须要澄清下。下图是ansj分词器在加载字典文件时比较恶心的实现方式：
如果改成这样方式加载字典文件会比较好点，我个人觉得：
this.getclass().getclassloader().getresourceasstream(dicpath);
这样你的字典文件路径dicpath的相对路径才是当前classpath。不过ansj里你把字典文件配置成绝对路径也可以，不一定非要相对路径，这点仁者见仁智者见智吧！骚年，你怎么看？
接着你需要在e:\apache-tomcat-7.0.55\webapps\solr\web-inf\classes目录下新建一个library目录，然后把ansj自带的两个字典文件ambiguity.dic和default.dic复制进去，然后新建一个ext.dic文件。相关的字典文件和配置文件我待会儿会上传到附件里供你们参考。其中ext.dic是用户自定义扩展字典文件，如图：
对于类似这种网络新词，ansj分词器默认是分不出来的，这时就需要定义自定义扩展字典。
你应该已经发现了，我们在配置ansjtokenizerfactory的时候配置了stopwordsdir="stopwords/stopwords.dic"自定义停用词加载路径，这里的stopwordsdir是相对于当前classpath的即e:\apache-tomcat-7.0.55\webapps\solr\web-inf\classes，所以我们需要在e:\apache-tomcat-7.0.55\webapps\solr\web-inf\classes下新建stopwords文件夹，然后在stopwords文件夹下新建一个stopwords.dic字典文件，stopwords.dic内容如下：
这里我只加两个词语作为演示，你们可以根据你自己的需求随意添加你自己的停用词。需要解释下的是，之所以stopwordsdir参数是相对于当前classpath，是因为我在实现ansjtokenizerfactory时是采用这样的方式来加载词典文件的，如图：
这一切准备好了，你就开始进行分词测试了，请如图进行测试：
上图是对自定义新词进行分词测试，么么哒和啪啪啪之所以能被分出来，是因为我们在library\ext.dic自定义词典文件中添加了那两个词语。
上图是用来测试pstemming参数即英文单词的单复数转换以及时态转换，loved是过去式，自动被转换成原型love
上图是用来测试自定义停用词的，如果你看到如图效果，说明你配置成功了！
至于anseg分词器我维护的最新源码我有空会上传到我的github上，请关注我的github
益达q-q: 7-3-6-0-3-1-3-0-5
益达的q-q群： 1-0-5-0-9-8-8-0-6
转载：http://iamyida.iteye.com/blog/2220833