nutch注意事项：

（1）运行爬虫命令行 bin/nutch crawl urls -dir crawl -depth 2 -threads 4 >& crawl.log 面解释下该命令：        crawl        命令有几个参数,它们是：        -dir           指定抓取后内容及索引的存放目录        -depth     指定网站抓取的层数        -delay      指定连接目标网站延迟时间        -threads   指定程序运行的线程数，以提高抓取速度 （2）tomcat配置中注意： 1，因为默认情况下，该 Nutch web module 会认为索引库位于 ./crawl ，所以启动 tomcat 时需要切换当前目录到 $NUTCH_HOME 2，别忘记在 server.xml 的 Connector 定义部分加上 URIEncoding="UTF-8" $ cd $NUTCH_HOME $ /opt/tomcat-5.5.20/bin/startup.sh （3）nutch-site.xml的http.agent.name不设置会报空指针错。