使用ant驱动nutch crawl

在windows下 跑nutch  crawl必须使用cygwin,没办法的事情，目前nutch只有shell脚本驱动，这多多少少给windows开发者带来一些麻烦，虽然通常情况下，java应用总会部署在unix机器上，即使如此，对于众多在windows上开发 java 应用的开发者来说，不需要装什么其他东西，直接在window环境中就能跑 nutch  crawl显得更省力，下面将nutch-0.7.1 bin目录下的nutch shell 脚本直接转换成ant脚本，nutch玩家直接将ant脚本放在nutch-0.7.1下直接运行即可,当然你应该根据你的需求设置一些脚本元素

<project name="nutch-crawl" default="crawl" basedir=".">
    
    <property name="lib.dir"  location="lib"/>
    <property name="conf.dir"  location="conf"/>
    

    <path id="project.classpath">
        <fileset dir="." includes="nutch-*.jar"/>
        <fileset dir="lib" />
        <pathelement path="."/>
        <pathelement path="${conf.dir}"/>
    </path>
    
    
    <target name="crawl" >
        <echo>crwaling starting...</echo>
        <property name="JVM.extra.args" value="-Xmx1000m" />
        <java classname="org.apache.nutch.tools.CrawlTool" classpathref="project.classpath" fork="true">
            <jvmarg line="${JVM.extra.args}"/>
            <arg value="e:/nutch-0.7.1/urls"/>
            <arg value="-dir"/>
            <arg value="e:/xxcrawled"/>
            <arg value="-depth"/>
            <arg value="2"/>
            <arg value="-threads"/>
            <arg value="10"/>
        </java>
        <echo>crwaling finished...</echo>
    </target>
    
</project>

注意上面代码中的<arg>,你可以根据要求设置.