regain 安装

wujiangming

浏览: 14480 次
性别:
来自: 南京

最近访客更多访客>>

yangyuan1115

博主相关

博客

微博

相册

留言

关于我

文章分类

全部博客 (12)

社区版块

存档分类

lucene .net Ant Apache JSP

一、修改增加中文分词模块为 Paoding-analysis

非常简单，只需要修改一个源码文件。

源代码文件（以下都用下划线表示）：src\net\sf\regainRegainToolKit.java

import net.paoding.analysis.analyzer.PaodingAnalyzer;
import org.apache.lucene.analysis.cn.ChineseAnalyzer;

public static Analyzer createAnalyzer(String analyzerType,
 String[] stopWordList, String[] exclusionList, String[] untokenizedFieldNames)
 throws RegainException

 if (analyzerType.equalsIgnoreCase("english")) {
 analyzerClassName = StandardAnalyzer.class.getName();
 } else if (analyzerType.equalsIgnoreCase("german")) {
 analyzerClassName = GermanAnalyzer.class.getName();
 } else if (analyzerType.equalsIgnoreCase("chinese")){
 analyzerClassName = ChineseAnalyzer.class.getName();//Add by ping.
 } else if (analyzerType.equalsIgnoreCase("paoding")){
 analyzerClassName = PaodingAnalyzer.class.getName();//Add by ping.
 }

源码修改只涉及以上一个文件，但是要完整编译和最终运成功，还需要其他修改。
主要包括：
1.修改ant的编译配置文件build.xml，
2.拷贝paoding-analysis.jar到lib目录。

build.xml修改如下：
[这里摘录修改的片段，修改增加部分为粗体]
...
<target name="runtime-desktop" depends="prepare-once, runtime-desktop-fast">
 <echo message="Creating the jars ..." />
 <fileset id="desktop-common-jars" dir="build/included-lib-classes/common">
 <include name="org/apache/lucene/**"/>
 <include name="org/apache/log4j/**"/>
 <include name="org/apache/regexp/**"/>
 
 <include name="net/paoding/analysis/**"/>
 <include name="paoding-*.properties"/>
 <include name="org/apache/commons/**"/>

...
<target name="runtime-server" depends="prepare-once, runtime-server-fast, -web-temps">
 <jar jarfile="build/runtime/crawler/${programname.file}-crawler.jar"
 compress="false"
 index="true">
 <manifest>
 <attribute name="Main-Class" value="net.sf.regain.crawler.Main"/>
 </manifest>
 <fileset dir="build/included-lib-classes/common">
 <include name="org/apache/lucene/**"/>
 <include name="org/apache/log4j/**"/>
 <include name="org/apache/regexp/**"/>

 
 <include name="net/paoding/analysis/**"/>
 <include name="paoding-*.properties"/>
 <include name="org/apache/commons/**"/>
...

 <mkdir dir="build/runtime/search/webapps"/>
 <war destfile="build/runtime/search/webapps/${programname.file}.war"
 webxml="web/server/web-inf/web.xml">
 <classes dir="build/classes">
 <exclude name="net/sf/regain/crawler/**"/>
 <exclude name="net/sf/regain/ui/desktop/**"/>
 <exclude name="net/sf/regain/util/sharedtag/simple/**"/>
 <exclude name="net/sf/regain/util/ui/**"/>
 </classes>
 <lib dir="lib">
 <include name="lucene-*.jar"/>
 <include name="jakarta-regexp-*.jar"/>
 <include name="log4j-*.jar"/>
 
 <include name="paoding-*.jar"/>
 <include name="commons-logging*.jar"/>
 </lib>

...
 <mkdir dir="${deploy-target.dir}/${programname.file}/WEB-INF/lib"/>
<copy todir="${deploy-target.dir}/${programname.file}/WEB-INF/lib">
 <fileset dir="lib">
 <include name="lucene-*.jar"/>
 <include name="jakarta-regexp-*.jar"/>
 <include name="log4j-*.jar"/>
 
 <include name="paoding-*.jar"/>
 <include name="commons-logging*.jar"/>
 </fileset>
</copy>

二、修改查询结果片段长度

1.默认查询结果显示片段为100个字节，
个人认为比较短，可以修改为结果片段长度为300.

lucene\contrib\highlighter\src\java
 org.apache.lucene.search.highlight
 SimpleFragmenter.java

public class SimpleFragmenter implements Fragmenter
{
private static final int DEFAULT_FRAGMENT_SIZE =100*3;
定于查询结果片段的长度。默认为100字节，修改为300字节

三、另外，对查询结果页面进行稍微修改。

1.package net.sf.regain.search.results;
SingleSearchRusults.jsp

 public void highlightHitDocument(int index)
 resHighlSummary = highlighter.getBestFragments(tokenStream, text, 3,
" . . . . . . [Result] ");
定于查询结果显示。

2.web\web\common
 search.jsp

 <search:list msgNoResults="<tr><td colspan='2'>{msg:noResultsFound} </td></tr>">
 <tr><td colspan="2">
 <search:hit_typeicon imgpath="img/ext"/> <search:hit_link/>
 
 (<search:msg key="relevance"/>: <search:hit_score/>) 
 [Result]
 <search:hit_field field="summary"/> 
 <search:hit_content/>
 <search:hit_path after=" " createLinks="true"/>
 <search:hit_field field="mimetype"/> 
 <search:hit_url beautified="true"/> - <search:hit_size/> 
 
 </td></tr>
 </search:list>

 查询结果显示页面和显示数据域的定义。

3.增加显示样式
src\web\common
 regain.css

.resultTag {
color: #0000FF;
font-weight: bold;
}

4.一点小修饰，获取文章内容的按钮默认是德文，翻译成英文表示。
src/net/sf/regain/search/sharedlib/hit/ContentTag.java
protected void printEndTag(PageRequest request, PageResponse response,
 Document hit, int hitIndex)
 throws RegainException {

 String content = null;
 content = hit.get("content");
 if (content != null) {
 String hitNumber = Integer.toString(hitIndex + 1);
 response.print("<input type=\"button\" class=\"button\" onclick=\"return toggleMe('hit_" +
 hitNumber + "')\" value=\"Click here Get " + hitNumber + " content\">");

property文件
词典库文件
编码问题

regain增加paoding中文分词以及server端版本设置
原文来自:http://monner.iteye.com/blog/254804
———————————————————————-
补充:
用paoding中文分词,先建立词典
vi /etc/profile
export PAODING_DIC_HOME=/data/paoding/dic
将paoding的dic目录里的内容copy到 /data/paoding/dic
windows设置见手册

另外导入lucene/contrib/memory下的包lucene-memory到regain/lib中.再编译.

server版本中有个问题需要修改.如果出现乱码可尝试将
src/net/sf/regain/search/SearchToolkit.java
修改为下面的
queryString = query.toString().trim();

//add by robin
try {
queryString = new String(queryString.getBytes(”iso-8859-1″),”UTF-8″);
} catch (Exception e) {
}
request.setContextAttribute(SEARCH_QUERY_CONTEXT_ATTR_NAME, queryString);
}

return queryString;
——————————-
regain的服务器版本端配置关键修改点
在

file:///home/admin/domains/25q.net/

然后在

file:///home/admin/domains/25q.net/

这里两处路径都需要加.否则会导致 index empty的错误

原文部分内容:

一、修改增加中文分词模块为 Paoding-analysis

非常简单，只需要修改一个源码文件。

源代码文件（以下都用下划线表示）：src\net\sf\regainRegainToolKit.java

import net.paoding.analysis.analyzer.PaodingAnalyzer;
import org.apache.lucene.analysis.cn.ChineseAnalyzer;

public static Analyzer createAnalyzer(String analyzerType,
String[] stopWordList, String[] exclusionList, String[] untokenizedFieldNames)
throws RegainException

if (analyzerType.equalsIgnoreCase(”english”)) {
analyzerClassName = StandardAnalyzer.class.getName();
} else if (analyzerType.equalsIgnoreCase(”german”)) {
analyzerClassName = GermanAnalyzer.class.getName();
} else if (analyzerType.equalsIgnoreCase(”chinese”)){
analyzerClassName = ChineseAnalyzer.class.getName();//Add by ping.
} else if (analyzerType.equalsIgnoreCase(”paoding”)){
analyzerClassName = PaodingAnalyzer.class.getName();//Add by ping.
}

源码修改只涉及以上一个文件，但是要完整编译和最终运成功，还需要其他修改。
主要包括：
1.修改ant的编译配置文件build.xml，
2.拷贝paoding-analysis.jar到lib目录。

build.xml修改见原文地址

分享到：