さくらVPS CentOS6.2でSolr4.0を使って「魔法少女まどか☆マギカ」の台詞を全文検索

転職した後輩に「プログラマたるもの、アニメかゲームをやるもの。」と以前怒られたので、タイトルのとおり、チャレンジしてみた。

1. Solr 4.0 のインストール
細かい設定は、さくらVPS CentOS6.2でSolr4.0のチュートリアルに従って設定済みのため、詳細は割愛する。


2. ディレクトリの用意



3. 不要ファイルの削除



4. solr.xmlの編集
以下のとおりになっていることを確認する。

defaultCoreName="madmagi"
core name="madmagi"
instanceDir="madmagi"



5. schema.xmlの編集


以下の内容をコピペする。

Ctrl+Cで終了する。





6. solrconfig.xmlの編集
今回は、特に実施しない。
(1/31追記)solrconfig.xmlを編集する。
以下をコメントアウトする。



7. solrの起動



8. beautifulsoupのインストール
別ターミナルを開いて、beautifulsoupのインストールをする。


9. インストール魔法少女まどか☆マギカの台詞のデータをダウンロード
Apache Mahout 機械学習Libraryを使って「魔法少女まどか☆マギカ」の台詞をテキストマイニングしてみたを参考に、台詞をjsonで保存する。

以下の内容をコピペする。

Ctrl+Cで終了する。



以下のスクリプトを実行する。




出力結果を確認する。









10. solrの起動



11. madmagiのデータインポート
別ターミナルを開いて、データのインポートをする。


12. 管理コンソールの起動
ブラウザから、「http://IPアドレス:8983/solr/#/madmagi/query」を起動し、管理コンソールから検索できるか確認する。