Nutch安装笔记(转)

 Nutch-0.8于2006年7月25日在其官方网正式发布，此版本在以前的基础了做了很大改进。因此在进行crawling时上不能完全照以前各版本的方法进行。本人已成功安装和使用，具体如下。共享出来希望对搜索引擎爱好者有一定帮助。（因为字数限制，所以分三个帖子发出，见谅！）
辅助软件
1、Java 1.4.x ；
2、Apache’s Tomcat 4.x ；
3、Cygwin ；
使用
1、新建环境变量或添加环境变量新值
PATH= F:/utch-0.8/bin; （NUTCH-0.8的安装路径）
JAVA_HOME = C:/Program Files/Java/jdk1.5.0_07（JDK的安装路径）
NUTCH_HOME= F:/cygwin (On windows, using cygwin the defaultNUTCH_HOME is at //cygdrive/)
(*环境变量值依据读者具体情况设定)
2、运行crawl命令
①在nutch-0.8的安装目录下新建一个文件夹，例如取名search。然后在此文件夹内建立一个文本文件命名为urls.txt。该文件的内容为所要进行crawl的网站地址，例 http://www.163.com/。（以前版本不需先建立一个文件夹，直接建文本文件就行。但在0.8版本里不先建立文件夹crawl命令就会出错）。
②修改nutch-0.8/conf/crawl-urlfilter.txt，把文件中的MY.DOMAIN.NAME全部替换成163.com。
③修改nutch-0.8/conf/utch-site.xml,

http.robots.agents
www.163.com


http.agent.name
www.163.com
<

http.agent.url
www.163.com

（*在以前的版本中不需对此文件修改）
④在cygwin中运行命令：
bin/nutch crawl search -dir f:/nutch-0.8/crawled -depth 3 -topN200
3、将tomcat/webapps下的ROOT文件夹删除。
4、把nutch-0.8文件夹下的Nutch-0.8.war文件解压到Tomcat/webapps中。并将其名改正为ROOT。
在Tomcat/conf/Catalina/localhost下新建立一个xml文件,该文件名跟你nutch文件夹名一样。输入内容： 。
5、进入Tomcat/webapps/ROOT/WEB-INF/classes文件夹，修改该目录下的nutch-site.xml文件。修改如下：

searcher.dir
your_crawled_folder_here

6、进入Tomcat5.0/webapps/utch-0.8/WEB-INF/classes文件夹，修改该目录下的nutch-site.xml文件。修改如下：














searcher.dir





your_crawled_folder_here















（*在以前版本中不需要此操作）
7、为了进行中文搜索需修改tomcat/conf/下的server.xml文件中的CONNETOR部分，修改如下：


8、复制nutch-0.8/crawled/segments文件夹到../omcat5/bin/下。

9、进入Tomcat/bin文件夹：双击startup.bat批处理文件让它运行。

10、打开浏览器。输入 http://localhost:8080
11、在搜索栏中输入搜索关键词“体育”（共有168项结果）。

---

欢迎您使用http://Blogmove.cn提供的"博客搬家"和"博文三窟"服务.