社区编辑申请
注册/登录
nutch+hadoop配置使用方法简明介绍
开发 架构 Hadoop
Hadoop相信大家都比较熟悉了,这里向大家介绍一下nutch+hadoop配置使用问题,希望通过本文的介绍大家对有关hadoop配置方面的知识有新的认识。

本节继续向大家介绍一下nutch+hadoop配置方面的内容,上节介绍了配置的步骤,本节介绍一下nutch+hadoop配置完成后如何使用,欢迎大家一起来学习。

nutch+hadoop配置使用

中文分词:
1.对建立索引所用分词工具的修改
将下载的中文分词包放到lib目录下,改名为analysis-zh.jar(当然,你也可以不用改)。找到下面文件
src\java\org\apache\nutch\analysis\NutchDocumentAnalyzer.java
修改tokenStream方法如下
publicTokenStreamtokenStream(StringfieldName,Readerreader){
Analyzeranalyzer;
analyzer=newMMAnalyzer();
returnanalyzer.tokenStream(fieldName,reader);
}
注意:由于加入信息的分析类,你需要将该类导入。使用如下语句。
importjeasy.analysis.*;

2.对查询所用分析部分的修改
nutch+hadoop配置使用总需要对查询所用分析部分的修改。src\java\org\apache\nutch\analysis\中的NutchAnalysis.jj文件
将<SIGRAM:<CJK>>
改为:|<SIGRAM:(<CJK>)+>
使用javacc工具将NutchAnalysis.jj生成java文件,共会生成7个java文件,将他们拷贝到下面的文件夹中替换原有文件。
src\java\org\apache\nutch\analysis

如何安装与使用javacc?
下载javacc并解压,然后将javacc的主目录添加到环境变量下。进入命令行,输入javacc,如果不出现不能识别该命令之类的说法,证明安装成功。
进入NutchAnalysis.jj文件所在的目录,输入javaccNutchAnalysis.jj命令就会生成7个java文件了。

3.重新编译工程文件
这里你需要用到ant工具了,那么ant工具怎么安装呢?
ant的安装与配置与javacc类似,下载后解压,然后在path环境变量中加如指向ant下的bin文件夹的路径。
使用:从命令行进入nutch目录中,输入ant命令,它会自动根据当前目录下的build.xml进行重建。重建完毕后会在改目录下产生一个build文件夹。

4.重建后的文件替换
一、将nutch-0.x.x.job文件拷贝出来替换nutch目录下的同名文件。
二、将\build\classes\org\apache\nutch\analysis目录下的所有文件拷贝替换nutch-0.x.x.jar中org\apache\nutch\analysis目录下的文件。
三、将nutch-0.x.x.jar文件和你的分词包(我的是analysis-zh.jar)拷贝到tomcat中WEB-INF\lib下面。

5.重新爬行与建立索引,重新启动tomcat即可。

nutch搜索url过滤规则:
对于每一次(由depth决定)对url进行filter,所以要搜子页面,首页一定要通过filter,否则搜索不到。本节关于nutch+hadoop配置使用介绍到这里。

【编辑推荐】

  1. nutch+hadoop配置步骤及问题解决方法深入剖析
  2. Hadoop配置注意事项及命令使用经验总结
  3. Hadoop配置和启动Hadoop方法详解
  4. Hadoop集群搭建过程中相关环境配置详解
  5. Hadoop完全分布模式安装实现详解
责任编辑:佚名 来源: javaeye.com

同话题下的热门内容

该不该将单体架构迁移到微服务?生成性对抗网络——数据生成的高级解决方案SpringBoot对Spring MVC都做了哪些事?(四)软件架构中的跨层缓存技术人生 | 如何设定业务目标SpringBoot:如何优雅地进行响应数据封装、异常处理?为什么策略梯度法在协作性MARL中如此高效?终于有人把灰度发布架构设计讲明白了

编辑推荐

终于有人把Elasticsearch原理讲透了!花了一个星期,我终于把RPC框架整明白了!拜托!面试不要再问我Spring Cloud底层原理陌陌基于K8s和Docker容器管理平台的架构实践收藏 | 第一次有人把“分布式事务”讲的这么简单明了
我收藏的内容
点赞
收藏

AISummit人工智能大会