晚上花了將近兩個小時的時間,看了網(wǎng)絡上一些關于Nutch的介紹.
搞明白的幾個問題:

1.Nutch到底是什么?

Nutch是一個開源的Java語言實現(xiàn)的搜索引擎。它通過完整功能的搜索系統(tǒng)。

2.Nutch和Lucene到底是什么關系?兩者如何取舍?

Nutch基于Lucene，Lucene為Nutch提供文本索引和搜索API。兩者的取舍問題在于Lucene不能夠為你抓取數(shù)據(jù)，所以如果在有數(shù)據(jù)源的情況下最好的方式是使用Lucene API來建立索引，完成搜索。如果需要抓取數(shù)據(jù)的話，那自然是選擇Nutch為好。

3.Nutch的基本安裝步驟?

這個問題有官方文檔。在這里。

PS:似乎網(wǎng)絡Nutch上最多的帖子就是關于這個的.其中比較有意思的就是擺脫Cgywin的一些方法,比如利用window批處理或者利用ant.個人還是覺得ant更通用.

4.Nutch的基本組成?

Nutch基本上兩部分組成：抓取部分和搜索部分。抓取程序抓取頁面并將抓取回來的數(shù)據(jù)做成反向索引；搜索程序則將反向索引搜索回答用戶的請求。兩者的關聯(lián)部分在于索引。
具體內(nèi)容還需要仔細看文檔和介紹.

5.Nutch文檔集中地?
http://wiki.apache.org/nutch/

補充完成，今日繼續(xù)。愚人節(jié)快樂!