Nutch教程——导入Nutch工程，执行完整爬取 by 逼格DATA

在使用本教程之前，需要满足条件：

1）有一台Linux或Linux虚拟机

2）安装JDK（推荐1.7）

3）安装Apache Ant

下载Nutch源码：

推荐使用Nutch 1.9,官方下载地址：http://mirrors.hust.edu.cn/apache/nutch/1.9/apache-nutch-1.9-src.zip

安装IDE：

推荐使用Intellij或者Netbeans，如果用eclipse也可以，不推荐。

Intellij官方下载地址： http://www.jetbrains.com/idea/download/

转换：

Nutch源码是用ant进行构建的，需要转换成eclipse工程才可以导入IDE正确使用,Intellij和Netbeans都可以支持ecilpse工程。

解压下载的apache-nutch-1.9-src.zip，得到文件夹apache-nutch-1.9。

在执行转换之前，我们先修改一下ivy中的一个源，将它改为开源中国的镜像，否则转换的过程会非常缓慢。(ant源码中并没有附带依赖jar包，ivy负责从网上自动下载jar包）。

修改 apache-nutch-1.9文件夹中的ivy/ivysettings.xml：

找到：

<property name="repo.maven.org"
      value="http://repo1.maven.org/maven2/"
      override="false"/>

将value修改为 http://maven.oschina.net/content/groups/public/

修改后：

<property name="repo.maven.org"
      value="http://maven.oschina.net/content/groups/public/"
      override="false"/>

保存并退出，保证当前目录为apache-nutch-1.9，执行命令：

ant eclipse -verbose

然后耐心等待，这个过程ant会根据ivy从中心仓库下载各种依赖jar包，可能要十几分钟。

</