Nutch安装配置详细指南(Windows环境)

一、搜索引擎的原理简介

 

1.一个抓网络页面程序

 

  把www中的各网站的内容抓到本地

 

2.一个文件解析工具

 

  把抓下来的html、doc等源文件处理为更精确的格式文本

 

3.一个全文检索、分词、数据挖掘，解析文本，把数据抓到结构化数据库中

 

  可以采取工具软件，未必要自己写。数据库可以是文件数据库。

 

4.开发一个搜索页面，从数据库里查询关键字

 

  对查询关键字，进行一些逻辑处理。然后返回名称和url到页面。

 

 

二、Lucene和Nutch简介

 

Java开源社区，lucene是一个成熟完整的搜索包。http://lucene.apache.org/

 

而nutch是基于lucene的一个完整的搜索引擎，包括了上述4个方面。即适合入门，也适合在这个上面做二次开发。http://lucene.apache.org/nutch/

 

 

三、下载

 

在http://lucene.apache.org/nutch/release/<