http://www.blogjava.net/rainsf/记录我所思zh-cnSun, 12 Jul 2026 03:16:46 GMTSun, 12 Jul 2026 03:16:46 GMT60http://www.blogjava.net/rainsf/archive/2007/04/27/114022.html小鱼小鱼Fri, 27 Apr 2007 03:09:00 GMThttp://www.blogjava.net/rainsf/archive/2007/04/27/114022.htmlhttp://www.blogjava.net/rainsf/comments/114022.htmlhttp://www.blogjava.net/rainsf/archive/2007/04/27/114022.html#Feedback0http://www.blogjava.net/rainsf/comments/commentRss/114022.htmlhttp://www.blogjava.net/rainsf/services/trackbacks/114022.html      今天小试了一下Nutch-0.9,笔记如下：
      
1、解压Nutch包，在Nutch根目录下建目录urls,里面建一些包含URL的文本如urlt.txt，一行一个URL,内容如：http://www.blogjava.net
http://www.javaeye.com/


2、修改conf目录下的crawl-urlfilter.txt,片断如下：
# accept hosts in MY.DOMAIN.NAME
# +^http://([a-z0-9]*\.)*MY.DOMAIN.NAME/
+^http://www.blogjava.net/
+^http://www.javaeye.com/
+^http://lucene.apache.org/

3、修改conf目录下的nutch-site.xml，内容如下：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>

    <property