搭建自己的搜索引擎

今天我就在这里借光年论坛在这里献丑下，写篇几篇关于自己搭建搜索引擎的文章。所采用的是开源搜索引擎nutch，考虑到大部份的SEOER所以主要是在WINDOWS平台进行搭建。1，Nutch简介Nutch 是一个刚刚诞生开放源代码(open-source)的web搜索引擎.尽管Web搜索是漫游Internet的基本要求, 但是现有web搜索引擎的数目却在下降. 并且这很有可能进一步演变成为一个公司垄断了几乎所有的web搜索为其谋取商业利益.这显然不利于广大Internet用户.Nutch为我们提供了这样一个不同的选择. 相对于那些商用的搜索引擎, Nutch作为开放源代码搜索引擎将会更加透明, 从而更值得大家信赖. 现在所有主要的搜索引擎都采用私有的排序算法, 而不会解释为什么一个网页会排在一个特定的位置. 除此之外, 有的搜索引擎依照网站所付的费用, 而不是根据它们本身的价值进行排序. 与它们不同, Nucth没有什么需要隐瞒, 也没有动机去扭曲搜索的结果. Nutch将尽自己最大的努力为用户提供最好的搜索结果.Nutch 致力于让每个人能很容易, 同时花费很少就可以配置世界一流的Web搜索引擎. 为了完成这一宏伟的目标, Nutch 必须能够做到:

每个月取几十亿网页

为这些网页维护一个索引

对索引文件进行每秒上千次的搜索

提供高质量的搜索结果

以最小的成本运作

2，安装2．1安装准备所需软件：（如果以下网址不能下载，请自行搜索）

JDK1.6

下载地址：/zh_CN/

Tomcat 7.0.x

下载

址://tomcat/tomcat-7/v7.0.4-beta/bin/apache-tomcat-7.0.4.exe

Cygwin

下载地址：/setup.exe

Nutch 1.0

下载地址：/apache//nutch/nutch-1.0.tar.gz

2．2安装：2．2．1

JDK安装

（我这里用的是默认的安装）

接下来可以按默认的安装2．2．2 添加JDK环境变量：

右击我的电脑——>属性——>高级——>环境变量->系统变量

Path添加C:\Program Files\Java\jdk1.6.0_22\bin;

JAVA_HOME=C:\Program Files\Java\jdk1.6.0_22（JDK安装的目录）

classpath=

.;%JAVA_HOME%\lib\tools.jar;%JAVA_HOME%\lib\dt.jar;

添加好环境变量后、我们可以输入

JAVAC来看是否安装成功如：看到下面图所示的内容那么就安装成功了

搭建自己的搜索引擎（1）

搭建自己的搜索引擎（2）

搭建自己的搜索引擎（3）

搭建自己的搜索引擎(4)

这下面的图片是没用的，不知怎么出来的+++++++++++++++++++++++++++++++++++++ image007.png(17.85 KB, 下载次数: 0)

image043.gif(2.48 KB, 下载次数: 0)

image044.gif(13.55 KB, 下载次数: 0)

image046.gif(12.94 KB, 下载次数: 0)

image050.gif(5.77 KB, 下载次数: 0)

image051.gif(22.55 KB, 下载次数: 0)

2．2．3安装Tomcat 7.0(除了选择安装目录外，别的我都选择了默认的安装)

2．2．4 安装Cygwin (因为NUTCH的自带命令必需要在LINUX的环境，所以必需要安装Cygwin来模拟这种环境)

点击下一步

进入安装方式的选择界面

上图所示Cygwin有三种安装方式

1，Install from Internet：直接从Internet上下载并立即安装（安装完成后，下载好的安装文件并不会被删除，而是仍然被保留，以便下次再安装）。

2，Download Without Installing：只是将安装文件下载到本地，但暂时不安装。

3，Install from Local Directory：不下载安装文件，直接从本地某个含有安装文件的目录进行安装。

如果你的网速还可以你可以选前两种，不过我们这里选的是第三种，因为我已经把文件下载下来了

我这里也提供了一个打包文件，你们也可从这里下载，速度具定要快很多而且下载途中不会出错

/Cygwin_dow.rar

上图指定安装目录（也就是把程序安装在哪的意思）点击下一步

上图是设定安装源的目录（也就是我们下载的那个些文件）如果你没有你可以这里下载

上图，选择安装包内容

如何选择呢？只需用鼠标点击每个安装包名后面那个循环箭头图标即可：图标后面的文字是表示究竟对该安装包采取何种安装方式

[p=23, null, left]安装方式共有这么几类：

（1）Default：这是默认选择，表示只下载/安装该包的缺省安装项（可点击包左边的＋号展开，看看缺省安装究竟是些什么内容）。

（2）Install：表示要下载/安装该包的全部内容。所要求的空间也最大。

（3）Reinstall：表示重新下载/安装该包的内容（以上一次正常下载/安装时所选择的内容为准）。这个选项非常有用，稍后在下篇中会有说明。

（4）Uninstall：这个就不用解释了吧。

可根据自己的实际需要，来准定究竟安装哪些内容。推荐选择“Install”方式，一步到位，免得日后被各种这样那样的问题所困扰。

[p=23, null, left]至于窗口顶部那些“Keep”、“Prev”、“Curr”、“Exp”等等选项，只是用来改变当前树结构的显示方式的，对安装没有什么影响。然后点击“下一步”，就要开始啦。