nutch搜索本地pdf文件

1.nutch把索引映射到solr，一定注意solrj的jar包版本一定要保持一致，不然会报版本不一致问题。

我在用nutch1.3时，将索引映射到solr1.4.1时，就报版本不一致的错了，将solr换成3.1就好了

用nutch1.2时，可以将索引映射到solr1.4.1，但不能映射到solr3.1

映射过去后在solr搜索界面查询，只看到标题，文件目录，没看到内容，而直接在nutch的搜索界面中搜索的话，是可以看到文件内容的。这个是因为nutch配置文件复制到solr中时，在schema.xml中content字段中的stored属性为false，把它改成true就可以在solr搜索时看到内容了

2.注意设置配置文件，不要爬到父目录以上

将配置文件nutch-default.xml中的file.crawl.parent属性改成false就可以了

3.注意url地址，一定以"/"结尾，刚开始一直找不到文件

其它设置见参考资料

 

参考资料:
1.http://wiki.apache.org/nutch/FAQ#How_do_I_index_my_local_file_system.3F
2.http://www.folge2.de/tp/search/1/crawling-the-local-filesystem-with-nutch
3.http://blog.csdn.net/whiteotiger/article/details/6336173
4.http://wiki.apache.org/nutch/RunningNutchAndSolr