崆峒山人

不得不说，Nutch的入门官方文档写的真不清晰明了。害的我按照官方文档折腾半天。 Nutch现在已经到了2.2.2版本，而且版本1.x已经更新到了1.8，这里以1.7为例，1.8中的部分命令行工具的API有变，入门时不是很容易。 #安转运行Nutch# - 下载安装Nutch - 在${NUTCH_HOME}下，mkdir urls - cd urls - to

zcwangjb@zctechzhjp:~/programs/nutch-1.2$ ./bin/nutch  crawl urls/seed.txt -dir localweb -depth 5 -threads 4 -topN 50 crawl started in: localweb rootUrlDir = urls/seed.txt threads = 4 depth = 5 i

前一篇中，记录了一次爬取的日志信息，这一篇根据日志