Nutch是一个开源Java实现的搜索引擎。它提供了我们运行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬虫。Nutch使用方法简介：HYPERLINK"http://blog.csdn.net/pengpengfly/archive/2008/09/29/2994664.aspx"http://blog.csdn.net/pengpengfly/archive/2008/09/29/2994664.aspxnutch1.2eclipsetomcat6.0配置:HYPERLINK"http://hi.baidu.com/oliverwinner/blog/item/4be3f1370284b32f5ab5f565.html"http://hi.baidu.com/oliverwinner/blog/item/4be3f1370284b32f5ab5f565.htmlHYPERLINK"http://www.ibm.com/developerworks/cn/opensource/os-cn-nutchintro"Nutch实战：介绍了开源搜索引擎Nutch的基本信息，详细说明了在Eclispe下运行Nutch的步骤和需要注意的问题，还分析了部分源代码。很好的文章Nutch目录结构bin：用于命令行运行的文件；conf：Nutch的配置文件lib：一些运行所需要的jar文件；plugins：存放相应的插件；src：Nutch的所有源文件；webapps：web运行相关文件；nutch-0.9.war是Nutch所提供的基于Tomcat的应用程序包。Nutch工作流程1.将起始URL集合注入到Nutch系统之中。2.生成片段文件，其中包含了将要抓取的URL地址。3.根据URL地址在互联网上抓取相应的内容。4.解析所抓取到的网页，并分析其中的文本和数据。5.根据新抓取的网页中的URL集合来更新起始URL集合，并再次进行抓取。6.同时，对抓取到的网页内容建立索引，生成索引文件存放在系统之中。（1）准备需要的软件列表Cygwin(HYPERLINK"http://www.cygwin.com/setup.exe"下载地址:http://www.cygwin.com/setup.exe)Jdk(1.4.2以上版本，HYPERLINK"http://www.oracle.com/technetwork/java/javase/downloads/jdk-6u29-download-513648.html"下载地址http://www.oracle.com/technetwork/java/javase/downloads/jdk-6u29-download-513648.html）Nutch(推荐使用0.9版本，下载地址http://www.apache.org/dyn/closer.cgi/lucene/nutch/）Tomcat(下载地址http://tomcat.apache.org/)（2）安装软件1)Cygwin打开安装程序Cygwin.exe后，在"ChooseInstallationType"页选择"InstallfromInternet"（如果你已经把全部安装包下载到本地，就可以选择"Installfromlocaldirectory"选项)。然后点击"Next".然后选择安装目录，其他可保持默认选项，点击"Next".选择保存安装包的本地目录，点击"Next".选择下载连接的类型，点击Next。然后通过服务器先下在需要安装的包列表，改为install比较合适，默认为default安装不全完成安装。HYPERLINK"http://blog.csdn.net/jiutao_tang/archive/2011/05/27/6450045.aspx"图文讲解2)HYPERLINK"http://blog.csdn.net/jiutao_tang/archive/2011/02/28/6213115.aspx"安装JDK，注意安装完成后需要在Windows的环境变量中加入JAVA_HOME=你的jdk的安装目录3)安装Tomcat，下载安装版。4)把Nutch解压到本地目录，例如D:/nutch。启动Cygwin程序，Cygwin程序会启动一个模拟Unix/Linux的终端窗口，然后使用方式就和Unix的Shell一样了，Cygwin的根目录是/cygdriver，这个目录相当于Windows的“我的电脑”，然后进入Nutch的目录，例如：cd/cygdriver/d/nutch，然后运行bin/nutch命令，如果出现下面的