solr学习之六--------Analyzer（分析器）、Tokenizer（分词器）

首先，不知道大家在前面的例子中没有试着搜索文本串，就是在第二节，我们添加了很多文档。如果字段值是一个文本。你如果只搜索这个字段的某个单词，是不是发现搜不到？

这就是因为我们没有配置Analyzer，因此在搜索的时候会“全匹配”。可以从直观感觉上理解为SQL的  like和= 的区别。

 

通过前面这段引文，我们就能知道：Analyzer就是分析我们的文本的。

 

一般来说：solr.TextField类型的字段才需要分析器。

最简单的配置分析器的如下：

 

1.  
   <fieldType name="nametext" class="solr.TextField">
2.  
   <analyzer class="org.apache.lucene.analysis.WhitespaceAnalyzer"/>
3.  
   </fieldType>

其实分析器（Analyzer）还可以包括一个分词器(Tokenizer)和多个过滤器(filter)，这2个东西，是为了实现更复杂的场景，我们后续再讲。

 

分析器一般出现在2个环境：建索引（index）和查询（query），大多数情况下这2个场景的分析过程都是一样，也就是说用的是相同的分析器。但是，你仍然可以为2个不同的阶段指字不同的分析器：

 

1.  
   <fieldType name="nametext" class="solr.TextField">
2.  
   <analyzer type="index">
3.  
   <tokenizer class="solr.StandardTokenizerFactory"/>
4.  
   <filter class="solr.LowerCaseFilterFactory"/>
5.  
   <filter class="solr.KeepWordFilterFactory" words="keepwords.txt"/>
6.  
   <filter class="solr.SynonymFilterFactory" synonyms="syns.txt"/>
7.  
   </analyzer>
8.  
   <analyzer type="query">
9.  
   <tokenizer class="solr.StandardTokenizerFactory"/>
10.  
    <filter class="solr.LowerCaseFilterFactory"/>
11.  
    </analyzer>
12.  
    </fieldType>

同过 type来指阶段。

 

 

 

 

Tokenizer：

  分词器，从字面意思都可以理解，就是将句子拆成一个个的词（或者是词组），比如A B C D,可以拆成A,B,C,D4个单独的单词，也有可能拆成AB,CD  或者其它。。。。 这个就看你分词规则了。

  使用如下：

 

1.  
   <fieldType name="text" class="solr.TextField">
2.  
   <analyzer>
3.  
   <tokenizer class="solr.StandardTokenizerFactory"/>
4.  
   </analyzer>
5.  
   </fieldType>

值 得注意的是：这里配的class是Factory，而不是真正的分词器，他是通过工厂类来创建分词器实例的。所有的工厂类，必须实现org.apache.solr.analysis.TokenizerFactory

 

工厂的产出物，也必须派生至：org.apache.lucene.analysis.TokenStream

 

Filter：

   就是经过Tokenizer分词之后，再再行的继续处理，比如全转成小写，时态处理， 去掉语气词等。。。