Aapche Nutch建立自己的搜索引擎

sudo apt install default-jdk'

java -version

openjdk version "11.0.22" 2024-01-16

vi .bashrc

export JAVA_HOME=/usr/lib/jvm/java-11-openjdk-amd64

爬梯子下载源代码 Apache Nutch™ -- Downloads

mkdir -p urls

cd urls

touch seed.txt

里面放入我的网站地址

bin/nutch inject crawl/crawldb urls

显示

Injecting seed URL file file:/data/apache-nutch-1.19/urls/seed.txt

Total new urls injected: 1

s1=`ls -d crawl/segments/2* | tail -1`

echo $s1

bin/nutch generate crawl/crawldb crawl/segments

apache nutch No agents listed in 'http.agent.name' property.

conf/ nutch-site.xml

<property>

<name>http.agent.name</name>

<value>MyNutchBot/1.0</value>

</property>

export APACHE_SOLR_HOME=/data/solr-8.11.3

export NUTCH_RUNTIME_HOME=/data/apache-nutch-1.19

${APACHE_SOLR_HOME}/bin/solr start -force

open file limit is currently 1024

vi /etc/security/limits.conf

* soft nofile 4096

* hard nofile 4096

Started Solr server on port 8983 (pid=29369). Happy searching!

http://192.168.1.131:8983

${APACHE_SOLR_HOME}/bin/solr start -force

{APACHE_SOLR_HOME}/bin/solr create -c nutch -d {APACHE_SOLR_HOME}/server/solr/configsets/nutch/conf/ -force

ls crawl/segments/

bin/nutch index crawl/crawldb/ -linkdb crawl/linkdb/ crawl/segments/20240326063028/ -filter -normalize -deleteGone

https://dlcdn.apache.org/lucene/solr/8.11.3/solr-8.11.3.tgz

https://nutch.apache.org/download/

https://dlcdn.apache.org/nutch/1.19/apache-nutch-1.19-bin.tar.gz

https://cwiki.apache.org/confluence/display/NUTCH/NutchTutorial

去掉robot的处理

https://blog.csdn.net/jediael_lu/article/details/43227693

相关推荐
yaoxin5211232 小时前
384. Java IO API - Java 文件复制工具:Copy 示例完整解析
java·开发语言·python
NotFound4863 小时前
实战指南如何实现Java Web 拦截机制:Filter 与 Interceptor 深度分享
java·开发语言·前端
Ava的硅谷新视界3 小时前
用了一天 Claude Opus 4.7,聊几点真实感受
开发语言·后端·编程
rabbit_pro3 小时前
Python调用onnx模型
开发语言·python
一 乐4 小时前
医院挂号|基于springboot + vue医院挂号管理系统(源码+数据库+文档)
java·数据库·vue.js·spring boot·论文·毕设·医院挂号管理系统
浪客川4 小时前
【百例RUST - 010】字符串
开发语言·后端·rust
鱼鳞_4 小时前
Java学习笔记_Day29(异常)
java·笔记·学习
烟锁池塘柳04 小时前
一文讲透 C++ / Java 中方法重载(Overload)与方法重写(Override)在调用时机等方面的区别
java·c++·面向对象
一叶飘零_sweeeet5 小时前
深入拆解 Fork/Join 框架:核心原理、分治模型与参数调优实战
java·并发编程
云烟成雨TD5 小时前
Spring AI Alibaba 1.x 系列【23】短期记忆
java·人工智能·spring