solr中如何配置添加自定义词典呢？

[vaxilicaihouxian]

请给个配置示例好么？ 这是我的schema.xml配置：

 <fieldType name="text_cn" class="solr.TextField">
            <analyzer type="index"  enableIndexMode="true" enableCustomDictionary="true">
                    <tokenizer class="com.hankcs.lucene.HanLPTokenizerFactory" enableCustomDictionary="true" customDictionaryPath="/home/macc/solr/dic/phone.txt"/>
        </analyzer>
        <analyzer type="query">
                <tokenizer class="com.hankcs.lucene.HanLPTokenizerFactory" enableIndexMode="false"/>
        </analyzer>
   </fieldType>

[hankcs]

<fieldType name="text_cn" class="solr.TextField">
    <analyzer type="index">
        <tokenizer class="com.hankcs.lucene.HanLPTokenizerFactory" enableIndexMode="true" customDictionaryPath="/home/macc/solr/dic/phone.txt"/>
    </analyzer>
    <analyzer type="query">
        <tokenizer class="com.hankcs.lucene.HanLPTokenizerFactory" enableIndexMode="false"/>
    </analyzer>
</fieldType>

[hankcs]

启动后生成/home/macc/solr/dic/phone.txt.bin说明生效，下次修改词典必须先清除这个缓存

[vaxilicaihouxian]

好的，我已经成功添加了自定义字典，但是有两个疑惑： 1.我清除*.bin缓存文件后，修改字典内容，然后访问solr node 并且reload了solr node core也没有再次生成缓存文件，即字典修改的内容并没有即时生效（修改前我已经清除了缓存文件），好像必须重启solr node。 2.自定义的词典中我加入了比如 "A5+ nz 1"这样的一条数据，测试这个filed建立索引的时候有如下字符串"黑米HMI A5+ MT6577双版本"，索引结果与A5+相关的是：A 5 + 。三个字符分开了，并没有按我的字典内容进行分词，但是如果把A5+与MT6577中间的空格去除，就可以得到正确的A5+这个分词结果。请问我改如何修改自定义词典，或者有如何使用自定义词典的相关文档吗？

谢谢！！

[hankcs]

1. 对，的确需要重新启动JVM。如果想更优雅地管理词典，需要自己编写额外的维护逻辑：https://github.com/hankcs/HanLP/issues/182
2. HanLP有自己的词典格式，其中空格是作为分隔符用的，请参考：https://github.com/hankcs/HanLP/wiki/FAQ#%E4%B8%BA%E4%BB%80%E4%B9%88%E8%87%AA%E5%AE%9A%E4%B9%89%E8%AF%8D%E5%85%B8%E5%8A%A0%E8%BD%BD%E5%A4%B1%E8%B4%A5 如果词语有空格，要么通过CustomDictionary.add添加，要么修改加载代码中的分隔符。未来版本将允许用户自定义分隔符。

[vaxilicaihouxian]

您好， 还是我上面提到的问题 我想问一下这个分词器可否先按照whitespace分词 然后对每个部分的内容再进行hanlp的分词处理呢？ 因为+这种符号的词性和空格的词性是一样的 我测试的结果是+后面有空格的话会把+和空格分词到一起，而这不是一个可以接受的结果。

[hankcs]

感谢建议，已经做了改进。请重新打包或等候发布新版本。

[hankcs]

https://github.com/hankcs/HanLP/issues/935#issuecomment-415972774

[pengttyy]

@hankcs 有没有自定义词典的模板，不知道具体格式是怎样的

[hankcs]

@hankcs 有没有自定义词典的模板，不知道具体格式是怎样的

https://github.com/hankcs/HanLP/tree/1.x#8-%E7%94%A8%E6%88%B7%E8%87%AA%E5%AE%9A%E4%B9%89%E8%AF%8D%E5%85%B8

[duringall]

请给个配置示例好么？ 这是我的schema.xml配置：

 <fieldType name="text_cn" class="solr.TextField">
            <analyzer type="index"  enableIndexMode="true" enableCustomDictionary="true">
                    <tokenizer class="com.hankcs.lucene.HanLPTokenizerFactory" enableCustomDictionary="true" customDictionaryPath="/home/macc/solr/dic/phone.txt"/>
        </analyzer>
        <analyzer type="query">
                <tokenizer class="com.hankcs.lucene.HanLPTokenizerFactory" enableIndexMode="false"/>
        </analyzer>
   </fieldType>

<fieldType name="text_cn" class="solr.TextField">
    <analyzer type="index">
        <tokenizer class="com.hankcs.lucene.HanLPTokenizerFactory" enableIndexMode="true" customDictionaryPath="/home/macc/solr/dic/phone.txt"/>
    </analyzer>
    <analyzer type="query">
        <tokenizer class="com.hankcs.lucene.HanLPTokenizerFactory" enableIndexMode="false"/>
    </analyzer>
</fieldType>

hankcs老师您好，配置中的相对路径是根据什么，我在加载自定义词典时总是报找不到文件的错误，但是绝对路径可以读取

[hankcs]

相对路径视你的启动脚本而定，当前路径可用pwd命令获取。