一、 Nutch安装并整合到Solr
1、下载并解压Nutch（此处使用版本1.9） http://nutch.apache.org/
2、修改apache-nutch-1.9/conf/nutch-site.xml
<property>
<name>http.agent.name</name>
<value>My Nutch Spider</value>
</property>
3、添加需要爬取的urls种子,创建apache-nutch-1.9/urls/seed.txt：
此处添加一条url（如：http://www.oschina.net/）
4、Nutch与Solr整合需要替换Solr Home中的Schema.xml
首先做好备份：
mv solr_home/solr/collection1/conf/schema.xml solr_home/solr/collection1/conf/schema.xml.org
将nutch中的schema-solr4.xml copy到solr_home中，如下：
cp apache-nutch-1.9/conf/schema-solr4.xml solr_home/solr/collection1/conf/schema.xml
5、修改solr_home/solr/collection1/conf/schema.xml，
在 <field name="id"下面加上
<field name="_version_" type="long" indexed="true" stored="true"/>
由于覆盖了之前配置好的IK分词器。所以需要重新配置：
在<types>中增加如下内容:
<fieldType name="text_ik" class="solr.TextField">
<analyzer type="index" isMaxWordLength="false" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
<analyzer type="query" isMaxWordLength="true" class="org.wltea.analyzer.lucene.IKAnalyzer"/>
</fieldType>
将需要用到IK分词的字段的type值修改以上定义的name
<field name="content" type="text_ik" stored="true" indexed="true"/>
<field name="title" type="text_ik" stored="true" indexed="true"/>
<field name="text" type="text_ik" stored="false" indexed="true" multiValued="true"/>
<field name="anchor" type="text_ik" stored="true" indexed="true"/>
到此处配置完成。
测试爬取：
bin/crawl urls/ crawldb/ http://localhost:8080/solr/ 1
当完成后，打开solr的管理界面，点击query将会看到nutch爬取的数据