在windows中如何安裝Nutch

本來有機會接一個搜尋引擎項目的，但最終因價格問題雙方談崩。為此，我感到深深的遺憾，失去了一個極好的實踐機會。但我不想因此放棄對搜尋引擎的學習和實踐，在網上聽到很多人推薦Nutch。所以我打算學習一下Nutch，要學習Nutch，還是先從安裝和使用Nutch開始吧。以下是我在xp sp2環境下安裝Nutch的過程記錄。

安裝Nutch需要的環境

jdk1.4.x or jdk1.5

tomcat4.x以上

cygwin

軟體下載地址：

j2SE5.0　　　　　http://java.sun.com/javase/downloads/index.html

Tomcat5.5　　　http://tomcat.apache.org/download-55.cgi

Cygwin　　　　　 http://www.cygwin.com/

Nutch-0.7.2　　http://lucene.apache.org/nutch/

安裝步驟：（具體的安裝目錄可任意）

1、安裝JDK,我看到網上nutch支援的是jdk1.4,不過我安裝得是,jdk1.5，為了安裝tomcat5.5

我的安裝路徑：F:\project\java\jdk5

2、安裝cygwin，方法網上很多，我推薦安裝本地安裝版

我的安裝路徑：E:\Program Files\cygwin\

3、安裝tomcat，nutch的說明支援tomcat 4.3，我安裝的是tomcat5.5

我的安裝路徑：F:\project\Tomcat 5.5

4、安裝nutch-0.7.1.zip

將下載的壓縮包解壓縮到：F:\project\nutch-0.7.2\

配置步驟：

1、配置cygwin中的環境

E:\Program Files\cygwin\etc\profile

PATH="/usr/local/bin:/usr/bin:/bin:$PATH:/cygdrive/f/project/java/jdk5"

export NUTCH_JAVA_HOME=/cygdrive/f/project/java/jdk5

export JAVA_HOME=/cygdrive/f/project/java/jdk5

2、配置 nutch

1) 配置抓取過濾器，確定要抓取的網站地址

開啟 F:\project\nutch-0.7.2\conf\crawl-urlfilter.txt

# accept hosts in MY.DOMAIN.NAME

+^http://([a-z0-9]*\.)*gucas.ac.cn/

將上面的gucas.ac.cn改為你需要搜尋的網域名稱