在tomcat中运行得nutch加入中文分词后的检索
nutch-0.9加入中文分词之后的索引有很多博客已经讲到过
我没有使用Cygwin模拟linux环境，而是在Tomcat中运行的nutch。这个项目工程文件是在我们的项目中的一个war包，而这个war包却是最开始的版本，因此我们要在特定的时候修改掉里面的一些文件。
?
但遇到一个问题是，加入分词之后放到tomcat里面发现搜索不好使了，用Luke打开索引文件可以看到中文分词的效果明显
可是用nutch查询结果却很多时候查不出来
?
其实原因是因为你加入的中文分词在查询里面没有被应用到，因为war包还是最老版本的war包，其中的一些修改没有体现到
?
修改以下几个地方，把nutch的中文分词器换成自己的分词器以JE为例
?
1：修改org.apache.nutch.analysis.NutchAnalysis.java文件
?
? ? ?导入import jeasy.analysis.*;
? ? ?替换其parse()方法如下：
final public Query parse(Configuration conf) throws ParseException,IOException {
Query query = new Query(conf);
StringReader input;
input=new java.io.StringReader(queryString);
org.apache.lucene.analysis.TokenStream tokenizer=new MMAnalyzer().tokenStream(queryString,input);
for(org.apache.lucene.analysis.Token t=tokenizer.next();t!=null;t=tokenizer.next()){
? ?String[] array={t.termText()};
? ?query.addRequiredPhrase(array);
}
{if (true) return query;}
? ? throw new Error("Missing return statement in function");
}
?
2：修改org.apache.nutch.searcher.Query.java?
? public static Query parse(String queryString, String queryLang, Configuration conf)
? throws IOException {
? ? try {
? ? ? ?return fixup(NutchAnalysis.parseQuery(
? ? ? ? ? ? ? ?queryString, AnalyzerFactory.get(conf).get(queryLang), conf), conf);
? ? } catch (ParseException e) {
? ? ? ?// TODO Auto-generated catch block
? ? ? ?e.printStackTrace();
? ? }
? ? return null;
? }
?
?
3：也是很多文章里面没有提到的一个地方org.apache.nutch.analysis.NutchAnalysis.java文件
?
? /** Construct a query parser for the text in a reader. */
? public static Query parseQuery(String queryString, Analyzer analyzer, Configuration conf)
? ? throws IOException {
?/**
? * 这里我有的修改
? */
? ? NutchAnalysis parser = new NutchAnalysis(
? ? ? ? ? queryString, (analyzer != null) ? analyzer : new MMAnalyzer());//这里把默认的分词器改成自己的分词器
? ? parser.queryString = queryString;
? ? parser.queryFilters = new QueryFilters(conf);
? ? return parser.parse(conf);
? }
修改好了，然后用ant编译成nutch-0.9.jar，然后替换掉你tomcat中的nutch工程中的WEB-INF中的nutch-0.9.jar
然后再在这个WEB-INF中添加JE分词包，就大功告成了，这一点非常重要，因为如果不替换，tomcat还是使用了最老版本的nutch-0.9.jar。而我们需要使用的检索是自己添加的中文分词器
?
