nutch简介以及一些其他的信息介绍

Nutch 是一个开源Java 实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬虫。

如果只是用nutch的话&＃xff0c;那么完全不需要myeclipse&＃xff0c;仅需JDK、Tomcat、cygwin。
如果要编译nutch的话&＃xff0c;一般它也建议直接用ant来编译的&＃xff0c;只有你想调试它时才需要myeclipse。

从1.1开始&＃xff0c;它同时发布已经编译好的包了&＃xff0c;各个压缩包用处如下&＃xff1a;
apache-nutch-1.1-bin.tar.gz&＃xff1a;已经编译好的包&＃xff0c;用于linux/unix
apache-nutch-1.1-bin.zip&＃xff1a; 已经编译好的包&＃xff0c;用于windows
apache-nutch-1.1-src.tar.gz&＃xff1a;源代码&＃xff0c;用于linux/unix
apache-nutch-1.1-src.zip&＃xff1a; 源代码&＃xff0c;用于windows
*.asc&＃xff1a;校验文件&＃xff0c;没啥用。

所以&＃xff0c;如果要安装nutch&＃xff0c;只需下载apache-nutch-1.1-bin.zip&＃xff0c;然后解压到某个目录下。&＃xff08;有160M这么大&＃xff0c;估计包含了tomcat了吧&＃xff09;
好像0.9与1.0都需要编译的&＃xff0c;下载下来直接运行ant即可

然后在那个目录下建个urls文件&＃xff0c;里面写上所需爬的最上层网址&＃xff0c;如&＃xff1a;http://lucene.apache.org/nutch/
然后运行 bin/nutch crawl urls -dir crawl -depth 3
这样就会将索引存放在crawl目录下了。

要想检索&＃xff0c;那么需要将nutch*.war部署到tomcat&＃xff0c;然后启动。
&＃xff08;我认为1.1-bin.zip中已经包含了tomcat&＃xff0c;无需再次部署的&＃xff0c;可以直接启动&＃xff09;