<!-- @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(huì)有一個(gè)目錄： webapps. 這個(gè)目錄是 hadoop 自己所對(duì)應(yīng)的頁(yè)面。

datanode 、 hdfs 、 job 、 secondary 、 static 、 task

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

5 、打開(kāi) tomcat 的 conf/server.xml 。配置一個(gè)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(xiě) jsp 頁(yè)面了。在 task 下有一個(gè) WEB-INF. 在它下面建立一個(gè) 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(gè) plugins 。這個(gè)也要放在 /WEB-INF/classes/.

9 、同時(shí)拷貝完了還不行，因?yàn)檫€沒(méi)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(huì)報(bào) plugin.floders not find 等錯(cuò)誤。

10 、因?yàn)槲覀兪窃陧?yè)面來(lái)啟動(dòng) nutch 的，當(dāng)然 nutch 所抓取的頁(yè)面得有存放位置。目前我是放在 /tomcat/bin/ : 在這個(gè)目錄下面我建立了

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

crawl : 存放抓取完后頁(yè)面存放路徑。

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

12 、打開(kāi)瀏覽器啟動(dòng)下試試。不報(bào)錯(cuò)說(shuō)明它已經(jīng)啟動(dòng)了，或者是去 tomcat/bin/crawl/ 看看有沒(méi)有東東。

Nutch1.0 Ui啟動(dòng)在tomcat中的配置