Solr 是一個(gè)可供企業(yè)使用的、基于 Lucene 的開箱即用的搜索服務(wù)器。對(duì)Lucene不熟？那么建議先看看下面兩篇文檔：
實(shí)戰(zhàn)Lucene，第 1 部分: 初識(shí) Lucene：http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/
用Lucene加速Web搜索應(yīng)用程序的開發(fā)：http://www.ibm.com/developerworks/cn/web/wa-lucene2/
一、 solr介紹
solr是基于Lucene Java搜索庫的企業(yè)級(jí)全文搜索引擎，目前是apache的一個(gè)項(xiàng)目。它的官方網(wǎng)址在http://lucene.apache.org/solr/ 。solr需要運(yùn)行在一個(gè)servlet 容器里，例如tomcat5.5。solr在lucene的上層提供了一個(gè)基于HTTP/XML的Web Services，我們的應(yīng)用需要通過這個(gè)服務(wù)與solr進(jìn)行交互。
二、 solr安裝和配置
關(guān)于solr的安裝和配置，這里也有兩篇非常好的文檔，作者同時(shí)也是 Lucene Java 項(xiàng)目的提交人和發(fā)言人：
使用Apache Solr實(shí)現(xiàn)更加靈巧的搜索：http://www.ibm.com/developerworks/cn/java/j-solr1/index.html
http://www.ibm.com/developerworks/cn/java/j-solr2/index.html
下面主要說說需要注意的地方。
Solr的安裝非常簡(jiǎn)單，下載solr的zip包后解壓縮將dist目錄下的war文件改名為solr.war直接復(fù)制到tomcat5.5的webapps目錄即可。注意一定要設(shè)置solr的主位置。有三種方法。我采用的是在tomcat里配置java:comp/env/solr/home的一個(gè)JNDI指向solr的主目錄（example目錄下），建立/tomcat55/conf/Catalina/localhost/solr.xml文件。
<Context docBase="D:/solr.war" debug="0" crossContext="true" >
<Environment name="solr/home" type="java.lang.String" value="D:/solr/solr" override="true" />
</Context>
觀察這個(gè)指定的solr主位置，里面存在兩個(gè)文件夾：conf和data。其中conf里存放了對(duì)solr而言最為重要的兩個(gè)配置文件schema.xml和solrconfig.xml。data則用于存放索引文件。
schema.xml主要包括types、fields和其他的一些缺省設(shè)置。
solrconfig.xml用來配置Solr的一些系統(tǒng)屬性，例如與索引和查詢處理有關(guān)的一些常見的配置選項(xiàng)，以及緩存、擴(kuò)展等等。
上面的文檔對(duì)這兩個(gè)文件有比較詳細(xì)的說明，非常容易上手。注意到schema.xml里有一個(gè)
<uniqueKey>url</uniqueKey>
的配置，這里將url字段作為索引文檔的唯一標(biāo)識(shí)符，非常重要。
三、 加入中文分詞
對(duì)全文檢索而言，中文分詞非常的重要，這里采用了qieqie庖丁分詞（非常不錯(cuò)：））。集成非常的容易，我下載的是2.0.4-alpha2版本，其中它支持最多切分和按最大切分。創(chuàng)建自己的一個(gè)中文TokenizerFactory繼承自solr的BaseTokenizerFactory。
/**
* Created by IntelliJ IDEA.
* User: ronghao
* Date: 2007-11-3
* Time: 14:40:59
* 中文切詞 對(duì)庖丁切詞的封裝
*/
public class ChineseTokenizerFactory extends BaseTokenizerFactory {
/**
* 最多切分 默認(rèn)模式
*/
public static final String MOST_WORDS_MODE = "most-words";
/**
* 按最大切分
*/
public static final String MAX_WORD_LENGTH_MODE = "max-word-length";
private String mode = null;
public void setMode(String mode) {
if (mode==null||MOST_WORDS_MODE.equalsIgnoreCase(mode)
|| "default".equalsIgnoreCase(mode)) {
this.mode=MOST_WORDS_MODE;
} else if (MAX_WORD_LENGTH_MODE.equalsIgnoreCase(mode)) {
this.mode=MAX_WORD_LENGTH_MODE;
}
else {
throw new IllegalArgumentException("不合法的分析器Mode參數(shù)設(shè)置:" + mode);
}
}
@Override
public void init(Map<String, String> args) {
super.init(args);
setMode(args.get("mode"));
}
public TokenStream create(Reader input) {
return new PaodingTokenizer(input, PaodingMaker.make(),
createTokenCollector());
}
private TokenCollector createTokenCollector() {
if( MOST_WORDS_MODE.equals(mode))
return new MostWordsTokenCollector();
if( MAX_WORD_LENGTH_MODE.equals(mode))
return new MaxWordLengthTokenCollector();
throw new Error("never happened");
}
}
在schema.xml的字段text配置里加入該分詞器。
<fieldtype name="text" class="solr.TextField" positionIncrementGap="100">
<analyzer type="index">
<tokenizer class="com.ronghao.fulltextsearch.analyzer.ChineseTokenizerFactory" mode="most-words"/>
<filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/>
<filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0"/>
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
</analyzer>
<analyzer type="query">
<tokenizer class="com.ronghao.fulltextsearch.analyzer.ChineseTokenizerFactory" mode="most-words"/>
<filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
<filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/>
<filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0"/>
<filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
</analyzer>
</fieldtype>
</types>
完成后重啟tomcat，即可在http://localhost:8080/solr/admin/analysis.jsp
體驗(yàn)到庖丁的中文分詞。注意要將paoding-analysis.jar復(fù)制到solr的lib下，注意修改jar包里字典的home。
四、 與自己應(yīng)用進(jìn)行集成
Solr安裝完畢，現(xiàn)在可以將自己的應(yīng)用與solr集成。其實(shí)過程非常的簡(jiǎn)單，應(yīng)用增加數(shù)據(jù)-->根據(jù)配置的字段構(gòu)建add的xml文檔-->post至solr/update。
應(yīng)用刪除數(shù)據(jù)à根據(jù)配置的索引文檔唯一標(biāo)識(shí)符構(gòu)建delete的xml文檔-->post至solr/update。
檢索數(shù)據(jù)à構(gòu)建查詢xml—>get至/solr/select/-->對(duì)solr返回的xml進(jìn)行處理-->頁面展現(xiàn)。
具體的xml格式可以在solr網(wǎng)站找到。另外就是solr支持高亮顯示，非常方便。
關(guān)于中文，solr內(nèi)核支持UTF-8編碼，所以在tomcat里的server.xml需要進(jìn)行配置
<Connector port="8080" maxHttpHeaderSize="8192" URIEncoding="UTF-8" …/>
另外，向solr Post請(qǐng)求的時(shí)候需要轉(zhuǎn)為utf-8編碼。對(duì)solr 返回的查詢結(jié)果也需要進(jìn)行一次utf-8的轉(zhuǎn)碼。檢索數(shù)據(jù)時(shí)對(duì)查詢的關(guān)鍵字也需要轉(zhuǎn)碼，然后用“+”連接。
String[] array = StringUtils.split(query, null, 0);
for (String str : array) {
result = result + URLEncoder.encode(str, "UTF-8") + "+";
}