Java小强个人技术博客站点    手机版
当前位置: 首页 >> 开源 >> mmseg4j中的MMSeg4jHandler,动态加载词库

mmseg4j中的MMSeg4jHandler,动态加载词库

957411 开源 | 2016-6-22

mmseg4j 1.8 中有词库变化检测功能,新加载词库后,很有可能此时的分词(搜索时)与索引不对应了。所以要有个机制让重新做索引。

这里使用最简单的方式,就是被动式的加载词库。由外围的程序去决定什么时候更新词库,然后也由外围的程序决定重做索引与否。比如可以写个 shell 脚本放到 crontab 里。

按 solr 的理念——用 url 方式去通知 mmseg4j 加载词库。这个任务交出 MMseg4jHandler 去做。


参数:

dicPath 是指定词库的目录,特性与MMSegTokenizerFactory中的dicPath一样(相对目录是,是相对 solr.home)。

check 是指是否检测词库,其值是true 或 on。

reload 是否尝试加载词库,其值是 true 或 on。此值为 true,会忽视 check 参数。

solrconfig.xml文件增加:

<requestHandler name="/mmseg4j" class="com.chenlb.mmseg4j.solr.MMseg4jHandler" >  
    <lst name="defaults">
        <str name="dicPath">dic</str>
    </lst>
</requestHandler>


然后可以用 http://localhost:8080/solr/mmseg4j/?reload=true,去尝试加载(注意:内存空间要有2倍词库大小的可能空间。一个词库可可能 50M)。

返回结果如下:

<?xml version="1.0" encoding="UTF-8"?>
<response>
<lst name="responseHeader"><int name="status">0</int><int name="QTime">1</int></lst><lst name="result"><str name="dicPath">java.net.URI:file:/data/deployment_new/lelifeextra/solr/solrhome/dic/</str><bool name="changed">false</bool></lst>
</response>

注意:dicPath 参数是 MMSegTokenizerFactory 里指定的 dicPath 才有意义


mmseg4j中的MMSeg4jHandler,动态加载词库


附注:

mmseg4j-core-1.10.0.jar 中的 chars.dic, units.dic, words,dic , 这三个都是官方词库,你可以更改以便覆盖官方配置, 也可以不更改。

放入以文件名为words开头, .dic为文件结尾的UTF-8格式的文件, 如果是带BOM的UTF8文件, 第一行为空即可. 每行一个词


推荐您阅读更多有关于“ mmseg4j MMSeg4jHandler 动态词库 ”的文章

上一篇:取消win10任务栏预览框,关掉任务栏缩略图 下一篇:MySQL的create table as 与 like区别

猜你喜欢

发表评论:

评论:

回复 卢松松博客 评论于 2016-07-18 15:54
我来了,既然来了我就得说几句!只说几句而已!如果我不说几句!就对不起人了,既然我要说几句!那么肯定是要说话的~
回复 java小强 评论于 2016-07-20 19:58
@卢松松博客:难道是卢松松本人来了?
回复 任务易 评论于 2016-07-18 15:13
赞一个,程序员就是牛逼
回复 律所软件 评论于 2016-07-08 17:53
谢谢分享
回复 java小强 评论于 2016-07-18 11:26
@律所软件:多谢光临,虽然我不喜欢你这样的
回复 harries 评论于 2016-07-08 09:07
小强不错,加油
回复 java小强 评论于 2016-07-13 10:12
@harries:竟然是@gmail.com,我看好你
回复 java小强 评论于 2016-06-23 19:52
放入以文件名为words开头, .dic为文件结尾的UTF-8格式的文件, 如果是带BOM的UTF8文件, 第一行为空即可. 每行一个词。
如果你修改文件后发现调用地址怎么也不显示改变,那么也许你创建的文件不是words开头的,别问我是怎么知道的。
回复 java小强 评论于 2016-06-22 21:55
正如上面所说,dic为文件结尾的UTF-8格式的文件,请自行检查服务器文件是否为UTF8格式。
回复 java小强 评论于 2016-06-22 21:54
一般,我们都是在数据库定义一张表来存词库数据,然后导到服务器,然后通知solr更新词库。
脚本参考:
#!/bin/bash
echo '开始加载词库'
rm -rf from-db.dic
echo '删除历史词库'
mysql -h1.1.1.1 -ujavacui -pjavacui -P3306 search -e "select word_str from word_table" > /data/solr/solrhome/dic/from-db.dic
echo '加载词库结束'
直接通过脚连接数据库导出到服务器指定目录。