tomcat和nutch的安装
一、tomcat的安装
1. 下载tomcat,下载地址为:http://tomcat.apache.org/download-70.cgi
2. 解压下载下来的文件,tar zxvf ....
3. 进入解压后的文件,运行/bin文件下的startup.sh,启动tomcat服务器。
4. 在浏览器中输入http://locahost:8080/, 若出现apache Tomcat的界面,则说明正常。
5.若要关闭tomcat服务器,则输入bin文件的shutdown.sh即可
二、nutch1.2的安装
1.下载nutch1.2软件。下载地址为:http://archive.apache.org/dist/nutch/
2.解压,把解压后的文件夹nutch-1.2拷贝到/usr/local中,
3.进入/usr/local/nutch-1.2,
4.创建weburls.txt
在nutch-1.2下新建一个文本文件,命名为"weburls.txt",输入"http://www.163.com"
5.修改crawl-urlfilter.txt中的参数
从终端打开craw-urlfilter.txt,依次输入以下命令
cd /usr/local/nutch-1.2/conf/
vim crawl-urlfilter.txt
修改倒数第二行的内容,将"+^http://([a-z0-9]*\.)*Y.DOMAIN.NAME/"改为入“+^http://([a-z0-9]*\.)*163.com/”
6.修改nutch-site.xml文件中的内容:
在终端输入vim nutch-site.xml
在该文件中输入以下内容:
<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="http://luorenhuan.blog.163.com/blog/configuration.xsl"?>
<!-- Put site-specific property overrides in this file. -->
<configuration>
<property>
<name>http.agent.name</name>
<value>HD nutch agent</value>
</property>
<property>
<name>http.agent.version</name>
<value>1.2</value>
</property>
</configuration>
7.运行网络蜘蛛抓紧网页。输入以下命令:
bin/nutch crawl weburls.txt -dir localweb -depth 2 -topN 100 -threads 2
-dir = localweb 指明下载数据存放路径,该目录不存在时,会被自动创建
-deptch = 2 下载深度为2
-topN = 100 下载符合条件的前100个页面
-threads = 2 启动的线程数目
蜘蛛运行时会输出大量数据,抓取结束之后,可以发现localweb目录被生成,里面有几个目录。
三、在Tomcat中部署Nutch项目
1. 复制nutch-1.2
将Nutch根目录下的nutch-1.2.war文件放置到"/usr/local/tomcat-7.0.40/webapps",稍等会儿,Tomcat便会将其解压
注:
此时要重启tomcat,即先./shutdown.sh,然后./startup.sh,不然可能在进行搜索时,无法出现结果
2. 修改nutch-site.xml
在上述目录下的"/usr/local/tomcat-7.0.40/webapps/nutch-1.2/WEB-INF/classes",加入以下内容:
<property>
<name>searcher.dir</name>
<value>/usr/local/nutch-1.2/localweb</value>
<description></description>
</property>
上面的value要改成第三步蜘蛛的下载目录,Tomcat就是从这个存取Nutch抓下来的东西的文件夹中读取数据的,所以必须保证两者的准确一致。
3. 使用Nutch搜索
在浏览器中输入“http://localhost:8080/nutch-1.2”,可以看到Nutch的主页面,如图:
此时搜索一下"网易",发现搜索到很多符合的记录,但是显示的都是乱码,此时需要修改tomcat的位置文件,
打开"/usr/local/tomcat-7.0.40/conf/server.xml",将Connector这个元素改成一下内容:
<Connector port="8080" protocol="HTTP/1.1"
connectionTimeout="20000"
redirectPort="8443"
URIEncoding="UTF-8"
useBodyEncodingForURI="true"/>
也许你的serve.xml文件中此行不是这样,多或少了一些属性,但不要紧,重要的就是加粗的部分。作用的也一目了然,就是设置字符编码的。
搜索结果如下:
以上就是安装Tomcat+Nutch的全部过程!
参考:
1.http://luorenhuan.blog.163.com/blog/static/18481730920113237134137/