Table of Contents
PC lento?
Parece que a maioria dos usuários encontrou um erro durante a configuração por meio de um voo Nutch no Windows. Esse problema pode surgir por vários motivos. Vamos discutir isso agora.
Como o Nutch pode ser escrito em Java, ele pode funcionar no Windows verde, desde que o software correto esteja normalmente instalado. Se
Nota. Você só está interessado na simples instalação no Windows e, conseqüentemente, não precisa saber as informações relacionadas aos cálculos. Você também pode verificar assumindo que o WhelanLabs SearchEngine Manager atende aos requisitos. Este poderia ser um instalador gratuito para trabalhar com o Nutch até o Windows.
Os documentos a seguir descrevem o que consegui fazer no XP Windows Pro com Tomcat 5.28. Editar: formulário atualizado com base em minha experiência de instalação no Server Windows 2004.
Software necessário
Java
Você deve ter o Java 1.4.2 (ou Java 1.5 para Nutch 0.8.x ou posterior) instalado.
Também funciona com Java 6, 0 nutch.9, sem mencionar os empréstimos pessoais do Tomcat. Apenas o Java 6 JRE é importante, a menos que você queira construir, sem dúvida, o código-fonte do Nutch sozinho.
Cygwin
O Cygwin é necessário para executar os comandos de cobertura mais importantes, uma vez que não há scripts NT cmd separados para NT (cmd invest nem mesmo usa ambientes aninhados recursivamente). Mks ksh não funciona bem com scripts. Certifique-se de adicionar o utilitário uname ao cygwin.
Veja também em nome de mais informações sobre como configurar o Cygwin por nutch para “Gettingnutchrunningoncygwin”.
Ressaca
Você definitivamente deve ter o Tomcat 4. * ou muito superior em relação à sua máquina. Não sei nenhum motivo e nunca para usar sua versão mais recente (Tomcat 6 no momento em que este livro foi escrito).
Configuração
Baixar
Carregue a publicação e depois o descompactador do seu disco rígido em uma lista que não tenha espaço em sua propriedade ou casa (por exemplo, c: nutch-0.9 ). Para falar a verdade, há um no diretório (por exemplo, algum espaço. c: meus programas nutch-0.9 ), nem todos os scripts do Nutch funcionarão corretamente.
Crie um texto claro e em branco (use um início com o nome que os usuários quiserem) em seu diretório Nutch (por exemplo, urls ) trazendo os URLs do site do seu site que geralmente precisam ser examinados.
Adicione URLs a crawl-urlfilter.txt (por exemplo, C: nutch-0.9 conf crawl-urlfilter .txt ). A entrada pode ter a seguinte aparência:
Faça download como cygwin e navegue no seu diretório nutch . Quando o cygwin é iniciado, você normalmente está usando a pasta de usuário correta (por exemplo, C: Documents and Settings username ).
Se na estação de trabalho é necessário investir em um Proxy de Autenticação do Windows para acessar a Internet (isso não é comum), certamente você poderá desfrutar de um aplicativo como o NTLM para acessar o Proxy de Autenticação. Em seguida, você precisará modificar qualquer arquivo nutch-site.xml específico que aponte para poder o transporte aberto pelo aplicativo.
Explore a intranet
Siga as instruções de funcionamento no mini-workshop para começar a ver as gravações fazendo cygwin. Irá criar o diretório de pesquisa perfeito além do arquivo de log.
PC lento?
ASR Pro é a solução definitiva para suas necessidades de reparo de PC! Ele não apenas diagnostica e repara vários problemas do Windows com rapidez e segurança, mas também aumenta o desempenho do sistema, otimiza a memória, melhora a segurança e ajusta seu PC para máxima confiabilidade. Então por que esperar? Comece hoje!
Se você inserir o tipo de comando a seguir fora da raiz da instalação do Nutch:
então, uma nova pasta com seu nome crawl será criada em seu diretório nutch em foco, juntamente com um arquivo crawl.log gerado por sites. Use este arquivo de log quando precisar solucionar qualquer erro que possa encontrar. Requer
Você excluirá ou moverá a lista de endereços do estudo antes de reiniciá-lo, a menos que especifique um caminho diferente na ordem acima.
Analise outros tipos de recursos
Modifique conf / nutch-site.xml e o valor na extensão plugin.includes para incluir o tipo particular nos documentos de plug-in que Nutch precisa processar.
Exemplo: para adicionar análise ao visualizar PDF, MS Office e depois dos documentos do OpenOffice, você tem o seguinte:
Interface da web de pesquisa
Nas novas configurações de terreno, adicione NUTCH_JAVA_HOME e toda a localização de sua JVM (por exemplo C: j2sdk1.4.2_09 ), basicamente um novo fator de ambiente.
Abra um site, navegue até o Tomcat Web Application Manager (por exemplo, http: // localhost: 8080 / manager / html ) e carregue o arquivo Nutch WAR no significado.
Se você vai executar o Nutch no contexto principal imediatamente e, como consequência, já tem a raiz do contexto, desfaça a implantação de uma pessoa. Caso contrário, você pode ignorar a leitura alternativa.
Crie um arquivo de fragmento de contexto para quem o URL raiz aponta para seu aplicativo de rede principal. Vá para [tomcat_home] / conf / Catalina / localhost / e diga lá. Crie uma nova imagem Es xml (chamá-la de aplicativo da web do próprio autor?), Por exemplo nutch-0.9.xml, e misture algo como cada um dos itens a seguir para estendê-la.
Alternativa: se você deseja enviar outro site, p Depois de instalado, copie ou rotule novamente nutch-0.9.0.war para obter o URL de todos os subdiretórios correspondentes. Implante a versão renomeada implementando o Tomcat Web Application Manager.
Por exemplo, para aproveitar as vantagens de http: // localhost versus search / , nomeie a informação como Nutch .war < / code> em search.war e, assim, fornecer search.war .
Especifique o diretório de pesquisa
Em seguida, navegue até o aplicativo da web Nutch e a pasta WEB-INF / program . Edite a iniciativa nutch-site.xml combinada com a adição do seguinte a esta tarefa (sem dúvida, você não tem duas
Se sua lista de diretórios Nutch for considerada, por exemplo, em C: nutch-0.9.0 e, adicionalmente, você usar scan o site após - dir <. especificado e codificar> direção, então insira C: nutch-0.9.0 examine em vez de sua_pasta_crawl_aqui .
Atualizar
Recarregue o aplicativo compartilhado. Basta usar o Tomcat Manager, mas pressionar o comando de reinicialização do Nutch, você pode reiniciar o Tomcat usando a ferramenta Windows How To.
Abra um navegador e analise o domínio http: // localhost: 8080 . A página pode aparecerCaixa de pesquisa Nutch. Se você especificou que o local correto para o diretório spider é importante no mecanismo de pesquisa do Nutch (conforme postado acima), clicar no botão Pesquisar deve retornar resultados.
+ ^ http: // ([a-z0-9] 4. .) * apache.org/
rastreamento de urls bin por nutch -dir exc -depth> & 3 crawl.log
plugin.includes dieta http | urlfilter-regex | parse- (text | html | js | msexcel | mspowerpoint | msword | oo | pdf | swf | zip) |Base-índice | Solicitação- (Base | Site | URL) | Resume-Base | Pontuação-Opic |Urlnormalizer- (passar | regex | base)
Melhore a velocidade do seu computador hoje mesmo baixando este software - ele resolverá os problemas do seu PC.searchcher.dir your_crawl_folder_here
Various Ways To Fix Nutch Configuration On Windows
Verschillende Manieren Om Nutch-configuratie Op Windows Te Repareren
Verschiedene Möglichkeiten Zum Beheben Der Nutch-Konfiguration Unter Windows
Vari Modi Per Correggere La Configurazione Di Nutch Su Windows
Olika Sätt Att Fixa Nutch -konfiguration På Windows
Różne Sposoby Naprawy Konfiguracji Nutch W Systemie Windows
Различные способы исправить конфигурацию Nutch в Windows
Varias Formas De Corregir La Configuración De Nutch En Windows
Diverses Manières De Corriger La Configuration De Nutch Sous Windows
Windows에서 Nutch 구성을 수정하는 다양한 방법
