<!-- @page { margin: 2cm } P { margin-bottom: 0.21cm } A:link { so-language: zxx } -->

1 、下載 nutch-1.0.tar.gz. http://apache.etoak.com/lucene/nutch/

2 、解壓縮 nutch-1.0.tar.gz, 放在自己熟悉的目錄下面，比如 workspace.

3 、解壓完后會有一個目錄： webapps. 這個目錄是 hadoop 自己所對應(yīng)的頁面。

datanode 、 hdfs 、 job 、 secondary 、 static 、 task

4 、下載 tomcat 。 5.5 版本以上的都行，然后進行配置。 Sudo gedit /etc/profile 配置你的 JAVA_HOME 、 TOMCAT_HOME.

5 、打開 tomcat 的 conf/server.xml 。配置一個虛擬的目錄

<Context path="/crawl" docBase="/home/user/tools/nutch-1.0/webapps/task/" reloadable="true" debug="0"/>

6 、在 task 的目錄下面就可有寫 jsp 頁面了。在 task 下有一個 WEB-INF. 在它下面建立一個 classes 文件夾。這里面主要放的是 .class 和 lib.

7 、 nutch 所編譯生成的 .class 文件和所需要的 lib 都要拷貝到 /WEB-INF/classes/.

8 、最主要的是在 nutch1.0 的目錄下面有一個 plugins 。這個也要放在 /WEB-INF/classes/.

9 、同時拷貝完了還不行，因為還沒有做一些其它的相應(yīng)配置：

<a> ： hadoop-env.sh 改變 JAVA_HOME.

<b> ： crawl-urlfilter.txt 改變抓取的 URL.

<c> ： regex-urlfilter.txt 屏蔽 URL 的后綴 .

<d> ：所拷貝的 plugins 文件目錄需和 nutch-default.xml 放在同一目錄下面，如果不是需要改變 nutch-default.xml 中配置 plugin 的路徑。

要不然會報 plugin.floders not find 等錯誤。

10 、因為我們是在頁面來啟動 nutch 的，當然 nutch 所抓取的頁面得有存放位置。目前我是放在 /tomcat/bin/ : 在這個目錄下面我建立了

myUrls ---- > url.txt -----> http://www.163.com/

crawl : 存放抓取完后頁面存放路徑。

11 、頁面的部分就很簡單了。兩個輸入框 ： dept 、 topN. 如果想加 thread ，也可以。然后就是提交?？梢允且粋€ jsp 也可以是一個 servlet.( 注意要把所編譯 的 .class 文件放到 /WEB-INF/classes/).

12 、打開瀏覽器啟動下試試。不報錯說明它已經(jīng)啟動了，或者是去 tomcat/bin/crawl/ 看看有沒有東東。

Nutch1.0 Ui啟動在tomcat中的配置