解决Nutch一些小问题

 1.网页快照乱码问题
Nutch的网页快照是乱码，解决办法是修改tomcat/webapps/nutch目录下的cached.jsp文件，修改其中的第63行。
原来的代码是：content  =  new  String(bean.getContent(details);
修改后的代码是：content  =  new  String(bean.getContent(details),"gb2312");
2.搜索结果高亮显示
Nutch默认的搜索结果是没有高亮的，解决办法是在关键词中加入html颜色标签。
将  org.apache.nutch.searcher.Summary  第107行  代码  修改为：
public  String  toString()  {
          StringBuffer  buffer  =  new  StringBuffer();
          for  (int  i  =  0;  i  <  fragments.size();  i++)  {
              buffer.append(fragments.get(i));
          }
          return  "<span  style='color:red'>"  +  buffer.toString()+  "</span>"; 
}
3.抓取页面大小
Nutch默认只抓取一个页面的前65k的内容，在我抓取bbs的时候，会出现只能抓取前几个回帖的内容，所以想抓取整个页面的内容，就要解除65k的限制。解决方法是修改nutch/conf中的nutch-site.xml文件，在文件最后添加以下内容：
<property>
    <name>http.content.limit</name>
    <value>-1</value>
    <description>The  length  limit  for  downloaded  content,  in  bytes.
    If  this  value  is  nonnegative  (>=0),  content  longer  than  it  will  be  truncated;
    otherwise,  no  truncation  at  all.
    </description>
</property>