nutch 配置
我的jdk 是1.5.x ，Tomcat是5.0.x
1 下载0.9版本的包：里面已经包含了war文件，所以不需要Ant编译了
2 安装Cygwin，这个没什么好说的（可以到网上搜到相关资料）。
3 把Nutch借压缩到D:/nutch
4 在D:/nutch下面建立一个文件 urls （没有后缀）
http://www.xxx.edu.cn/
5 在D:\nutch\conf\crawl-urlfilter.txt里面，加入
+^http://www.xxx.edu.cn/
6 环境变量加入
NUTCH_JAVA_HOME = D:/jdk1.5.0_06 (注意 / 不要写成 \ 否则出现 找不到路径 )
7 打开cygwin窗口，
cd D:\nutch
在D:\nutch下面执行
bin/nutch crawl urls -dir crawled -depth 3 >& crawl.log
这个命令会在当前目录下建立一个crawled的文件夹，然后对刚才的http://www.xxx.edu.cn/的网站开始检索。
层数是3层，一般最好10层。然后结果输出在crawl.log里面
8 将nutch-0.7.2.war拷贝到tomcat/webapps下面，改名nutch
9 在D:\tomcat\conf\Catalina\localhost\ 建立nutch.xml
<Context path="" debug="5" privileged="true" docBase="nutch"/>
10 启动tomcat，等war解开以后，打开
D:\tomcat\webapps\nutch\WEB-INF\classes\nutch-site.xml
修改如下
<nutch-conf><property> <name>searcher.dir</name> <value>D:/nutch/crawled/</value></property></nutch-conf>
11 D:\tomcat\webapps\nutch\zh\include 下面新建header.jsp，内容就是复制header.html，但是
前面加上
<%@ page contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%>
在D:\tomcat\webapps\nutch\search.jsp里面，找到并修改为
<jsp:include page="<%= language + "/include/header.jsp"%>"/>
顺便把下面js注释掉
function queryfocus() {
//search.query.focus(); }
12 D:\tomcat\conf\server.xml 找到以下段，并修改
<Connector port="8080" maxThreads="150" minSpareThreads="25" maxSpareThreads="75" enableLookups="false" redirectPort="8443" acceptCount="100" debug="0" connectionTimeout="20000" disableUploadTimeout="true" URIEncoding="UTF-8" useBodyEncodingForURI="true" />
好了，到此，重启tomcat，访问 http://localhost:8080/ 就可以看到搜索主页了，而且搜索支持中文
和分词，虽然分得不是很好。
1 下载0.9版本的包：里面已经包含了war文件，所以不需要Ant编译了
2 安装Cygwin，这个没什么好说的（可以到网上搜到相关资料）。
3 把Nutch借压缩到D:/nutch
4 在D:/nutch下面建立一个文件 urls （没有后缀）
http://www.xxx.edu.cn/
5 在D:\nutch\conf\crawl-urlfilter.txt里面，加入
+^http://www.xxx.edu.cn/
6 环境变量加入
NUTCH_JAVA_HOME = D:/jdk1.5.0_06 (注意 / 不要写成 \ 否则出现 找不到路径 )
7 打开cygwin窗口，
cd D:\nutch
在D:\nutch下面执行
bin/nutch crawl urls -dir crawled -depth 3 >& crawl.log
这个命令会在当前目录下建立一个crawled的文件夹，然后对刚才的http://www.xxx.edu.cn/的网站开始检索。
层数是3层，一般最好10层。然后结果输出在crawl.log里面
8 将nutch-0.7.2.war拷贝到tomcat/webapps下面，改名nutch
9 在D:\tomcat\conf\Catalina\localhost\ 建立nutch.xml
<Context path="" debug="5" privileged="true" docBase="nutch"/>
10 启动tomcat，等war解开以后，打开
D:\tomcat\webapps\nutch\WEB-INF\classes\nutch-site.xml
修改如下
<nutch-conf><property> <name>searcher.dir</name> <value>D:/nutch/crawled/</value></property></nutch-conf>
11 D:\tomcat\webapps\nutch\zh\include 下面新建header.jsp，内容就是复制header.html，但是
前面加上
<%@ page contentType="text/html; charset=UTF-8" pageEncoding="UTF-8"%>
在D:\tomcat\webapps\nutch\search.jsp里面，找到并修改为
<jsp:include page="<%= language + "/include/header.jsp"%>"/>
顺便把下面js注释掉
function queryfocus() {
//search.query.focus(); }
12 D:\tomcat\conf\server.xml 找到以下段，并修改
<Connector port="8080" maxThreads="150" minSpareThreads="25" maxSpareThreads="75" enableLookups="false" redirectPort="8443" acceptCount="100" debug="0" connectionTimeout="20000" disableUploadTimeout="true" URIEncoding="UTF-8" useBodyEncodingForURI="true" />
好了，到此，重启tomcat，访问 http://localhost:8080/ 就可以看到搜索主页了，而且搜索支持中文
和分词，虽然分得不是很好。