如何在ubuntu 10.10中配置Nutch和solr？

Question

我在为最后一年的项目建立一个搜索引擎。在过去的2个月里，我对这个话题做了大量的研究。 我发现我需要爬虫来抓取Internet，解析器和索引器。

我想使用Nutch作为抓取工具和solr来索引由Nutch抓取的数据。但我被困在他们两个的安装部分。我试图在网上的教程的帮助下，在我的系统中安装Nutch和solr，但没有为我工作。

我需要某种安装指南或链接，我可以学习如何安装和集成Nutch和solr。

接下来我陷入了解析器。我不知道这个阶段。在这里我需要关于如何在索引之前解析数据的帮助。

我不想构建Google或其他东西。我需要的只是某些网站的某些项目进行搜索。

我有Java的经验，我可以舒适地工作，但我不是像你们这样的专业人员，请告诉我我是否正确的方向走，以及接下来应该做什么。

我使用Ubuntu 10.10，和我的Apache Tomcat 7

Answer 1

This是Nutch的安装和this是与Solr的集成。

关于解析器，nutch有它自己的一套解析器，你不必为解析而烦恼。触发爬行命令，它自动完成。除非你想解析那些由nutch提供的东西，否则它不会成为你的问题。如果你想让nutch解析一些.xyz文件，那么你需要编写解析器插件并与nutch集成。