关于 Nutch 的一个问题: 中文乱码

关于 Nutch 的一个问题: 中文乱码

作者： Fenng | <script src="http://www.dbanotes.net/tmp/English.js" type="text/javascript"></script> English Version 【可以任意转载, 转载时请务必以超链接形式标明文章原始出处和作者信息及 本声明】
网址： http://www.dbanotes.net/web/nutch_garbled_code.html

 

很多朋友都遇到 Nutch 0.6 输入中文会出现乱码的问题。这个问题其实和 Nutch 关系不大，主要原因是使用 Tomcat 5.0 的问题。解决办法是修改 Tomcat 的 server.xml 文件的 connnector：

<Connector port="8080"

    maxThreads="150" minSpareThreads="25" maxSpareThreads="75"

   enableLookups="false" redirectPort="8443" acceptCount="100"

    connectionTimeout="20000" disableUploadTimeout="true" 

    URIEncoding="UTF-8" useBodyEncodingForURI="true" /> 

其中 URIEncoding="UTF-8" useBodyEncodingForURI="true" 是需要新增的。否则搜索栏输入的字符默认编码将不能正确解析。

注:这个小 Hint 本来是写在站点的首页页面的,今天把他整理一下放到这里.

BTW: "乱码"用英语如何翻译?

• Scrambled code/characters
• Illegible contents/characters/codes
• Truncated words/contents
• Garbled character/code 最后一个似乎更好 

 

本页地址：