nutch和solr集成安装

1. 安装的操作系统环境为：redhat6.5server64位系统，下载nutch1.8、solr4.7.0,解压压缩包并配置jdk支持
2. 拷贝[solr_home]/dist/apache-solr-4.7.0.war的文件到tomcat/webapps目录下，并且改名solr.war
3. 将[solr_home]\example\下的solr目录拷贝到任意位置，我是放在：～/tomcat7/solr下
4. 在tomcat目录下的conf\Catalina\localhost目录中（如果没有则手工创建该目录）创建solr.xml文件，文件内容如下：

            <Context docBase="[tomat_home]/webapps/solr.war" debug="0" crossContext="true" >
            <Environment name="solr/home" type="java.lang.String" value="[tomcat_home]/solr" override="true" />
            </Context>

       5.   solr有很多依赖jar包需要手动添加下将解压后solr-4.0.7目录下dist/*.jar, dist/solrj-lib/*.jar都拷贝到了

             tomcat/webapps/solr/WEB-INF/lib/下。这时可能会有重复的jar包，覆盖下就ok了.                              

             启动tomcat，输入http://localhost:8080/solr/，出现欢迎界面则表示配置成功

       6.   将[nutch_home]/conf/schema-solr4.xml复制到/tomcat7/solr/collection1/conf目录下并改名为schema.xml，并在<fields>节点最后

              添加<field name="_version_" type="long" indexed="true" stored="true"/>，solr配置完成。

       7.   配置nutch爬取网页：

                (1)修改文件conf/nutch-site.xml，设置HTTP请求中agent的名字：  

                              <?xml version="1.0"?> 

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

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

<configuration> 

  <property> 

    <name> http.agent.name </name> 

    <value>Friendly Crawler</value> 

    </property> 

 </configuration>   

                (2)创建种子文件夹 :mkdir -p urls ，创建种子文件/urls/seed.txt,并添加要爬去的URL，如http://localhost:8080/

                (3)配置conf/regex-urlfilter.txt文件，修改

                     # accept anything else

                     +.

                     为：+^http://([a-z0-9]*\.)*localhost:8080/

                (4)执行爬取命令：./bin/crawl urls mydir http://localhost:8080/solr/ 2

                (5)solr查询：