二,nutch 1.0 web应用部署

本文为solomon@javaeye原创,如有转载,注明出处(作者solomon与链接http://zolomon.javaeye.com ).
本专题使用中文分词为ikanalyzer,感谢其作者为java中文事业做出的巨大贡献.
我的个人资料http://www.google.com/profiles/solomon.royarr

  a)将解压出来目录中的nutch-1.0.war放到tomcat的webapps目录下.
  使用winrar打开.war文件,修改里边的配置文件.
 
  b)修改WEB-INF/classes/crawl-urlfilter.txt
  -[?*!@=]
  -.*(/[^/]+)/[^/]+/1/[^/]+/1/
  -.
  改为
  +[?*!@=]
  +.*(/[^/]+)/[^/]+/1/[^/]+/1/
  +.
 
  c)修改nutch-site.xml,在<configuration></configuration>内增加这样两属性:
    <property>
      <name>searcher.dir</name>
      <value>file:///d:/indexes/</value>
    </property>
<property>
      <name>http.agent.name</name>
      <value>RIDER</value>
    </property>
    <property>
      <name>hadoop.job.ugi</name>
      <value>rider(读者的计算机名),iamsolomon(读者的计算机密码)</value>
    </property>
  searcher.dir的值是我们抓取的内容生成的索引所存放的位置,
  http.agent.name属性写个有效的url或者计算机名即可
  第三个属性为计算机名与密码,貌似可以随便写,但是去掉这个属性的话会报错.
  此2属性均可根据自己的情况配置.

然后启动tomcat,访问http://localhost:8080/nutch-1.0即可访问我们架设的nutch了.效果如图:


nutch 1.0 的快照,貌似比以前的漂亮多了: