SOLR4.2+NUTCH1.6

1、SOLR4.2集成NUTCH1.6

wget http://labs.mop.com/apache-mirror/lucene/solr/4.2.0/solr-4.2.0.tgz 

tar  -xzvf  solr-4.2.0.tgz 

cd  solr-4.2.0/example 

复制nutch的conf目录中的schema-solr4.xml文件到solr/collection1/conf目录，改名为schema.xml，覆盖原来文件 

修改solr/collection1/conf/schema.xml，在<fields>下增加：<field name="_version_" type="long" indexed="true" stored="true"/> 

 

2、给SOLR4.2配置分词器mmseg4j1.9.1

wget https://mmseg4j.googlecode.com/files/mmseg4j-1.9.1.v20130120-SNAPSHOT.zip 

unzip mmseg4j-1.9.1.v20130120-SNAPSHOT.zip -d  mmseg4j-1.9.1 

将mmseg4j-1.9.1/dist/*.jar复制到solr下的lib目录
将schema.xml文件中的
  <tokenizer class="solr.WhitespaceTokenizerFactory"/>
  和
  <tokenizer class="solr.StandardTokenizerFactory"/>
  替换为
  <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory" mode="complex"/> 

 

3、运行SOLR4.2

启动SOLR4.2服务器: java  -jar  start.jar &

SOLR4.2 Web界面:  http://host2:8983

 

4、运行NUTCH提交索引

运行solrindex命令: 
bin/nutch  solrindex  http://host2:8983/solr  data/crawldb -linkdb  data/linkdb  -dir  data/segments