ubuntu下安装nutch2.x

在Ubuntu下安装Nutch 2.x，你可以按照以下步骤进行操作：

1. 安装Java Development Kit (JDK)：

打开终端，执行以下命令安装JDK：

sudo apt update
sudo apt install openjdk-8-jdk

2. 下载Nutch：

在终端中执行以下命令下载并解压Nutch：

wget https://www.apache.org/dyn/closer.cgi/nutch/2.3.1/apache-nutch-2.3.1-src.tar.gz
tar -xf apache-nutch-2.3.1-src.tar.gz

3. 配置环境变量：

打开终端，执行以下命令编辑.bashrc文件：

nano ~/.bashrc

在文件末尾添加以下行：

export NUTCH_HOME=/path/to/apache-nutch-2.3.1
export PATH=$PATH:$NUTCH_HOME/bin

保存并关闭文件，然后执行以下命令使环境变量生效：

source ~/.bashrc

4. 配置Nutch：

进入Nutch目录，执行以下命令编辑nutch-site.xml文件：

cd apache-nutch-2.3.1
cp conf/nutch-site.xml.template conf/nutch-site.xml
nano conf/nutch-site.xml

在文件中修改以下配置：

<property>
<name>http.agent.name</name>
<value>My Nutch Spider</value>
</property>
<property>
<name>http.robots.agents</name>
<value>My Nutch Spider,*</value>
</property>

保存并关闭文件。

5. 启动Nutch：

在终端中执行以下命令启动Nutch：

nutch inject URLs
nutch generate
nutch fetch
nutch parse
nutch updatedb
nutch index

其中，URLs为你要抓取的起始URL。

完成以上步骤后，你就成功在Ubuntu上安装了Nutch 2.x。你可以根据需要进一步配置Nutch，如设置抓取策略、添加插件等。