下载apache-nutch-1.13-bin.zip使用。
和好多文档提到的不同,它默认只开启了ealsticsearch的索引,所以不论你怎么执行 nutch solrIndex都会报错。你需要在 conf/nutch-site.xml 的 ** <name>plugin.includes</name>**里面添加 indexer-solr 删除 indexer-elastic
然后那些文档就好使了。
当然,如果直接使用的就是elastich search,只需要把<name>elastic.host</name>
和<name>elastic.cluster</name>
配置上就好使了。
两个样本指令
bin/nutch index crawl/crawldb/ -linkdb crawlinkdb/ crawl/segments/* -filter -normalize -deleteGone
bin/crawl -i urls/ crawl/ 2