酒店评论情感分析系统（二）——Nutch安装
一、需求部分
- Nutch是Java开发的所以需要下载Java JDK。
下载地址http://java.sun.com/javase/downloads/index.jsp
2. Nutch的演示搜索页面是Jsp的，需要Tomcat做服务器。
下载地址：http://jakarta.apache.org/tomcat/
3. Nutch的脚本都是用Linux的Shell写的，所以在Windows平台需要一个Shell解释程序。Cygwin是一个在Windows下的模拟Linux系统程序。(注Linux下不需要下载此程序)
下载地址：http://www.cygwin.com/
4. Nutch下载地址：http://lucene.apache.org/nutch/
二、环境
- 操作系统：windows7，X86，32位
- Java JDK1.6
- Tomcat 7.0
- Cygwin2.850
- Nutch1.7
三、安装步骤
1. Java JDK安装
注意：路径名称不要带中文，建议所选择的路径不要有空格，我第一次选择的路径带有空格C:\Program Files，执行crawl命令的时候产生了错误：
提示找不到C:\Program目录，出现这个问题的原因是因为：C:\Program Files\ 中间有一个空格，这样导致进入不到Program Files ，而只能进入Program中，但是C盘中没有Program文件夹。
安装完成后设置环境变量，win7下设置环境变量和XP不同，在系统变量或者用户变量都行。假定你的jdk安装在c:\jdk1.6，则做如下配置：
JAVA_HOME=c:\jdk1.6
classpath=. ;%JAVA_HOME%\lib\dt.jar;%JAVA_HOME%\lib\tools.jar;（.;一定不能少，因为它代表当前路径)
path=%JAVA_HOME%\bin
变量安装完成后，在运行里输入“cmd”打开命令行，分别输入“java”,“java –version”若显示具体信息而没有报错，则安装成功，如下图：
如果没有打印出这句话，你需要仔细检查一下你的配置情况。
2. Tomcat免安装
这里需要注意一个问题：
你需要下载与JDK相配的Tomcat的版本，如下图：
我的jdk版本是1.6，然后之前装Tomcat8.0的时候，配置完路径，点startup.bat的时候出现闪退现象。
将Tomcat解压缩在没有中文的目录下，设置环境变量：
（1） 变量名： TOMCAT_HOME 变量值：
H:\tomcat7.0（Tomcat解压到的目录）
（2） 变量名： CATALINA_HOME 变量值：
H:\tomcat7.0
（3）修改变量： Path 变量值：
在末尾添加如下内容 ;%CATALINA_HOME%\bin;%CATALINA_HOME%\lib
运行Tomcat7.0，“开始”->“运行”->输入cmd，进入如下路径
在命令提示符中输入 startup.bat，之后会弹出tomcat命令框，输出启动日志；
然后打开浏览器输入http://localhost:8080/ ，如果进入tomcat欢迎界面，那么恭喜你，配置成功。
Tomcat的运行和停止的文件分别是startup.bat和shutdown.bat。
3. Cygwin安装
运行安装程序后出现如下图：
可以随便选择一个网址：
这一步，我们选择需要下载安装的组件包，为了使我们安装的Cygwin能够编译程序，我们需要安装gcc编译器，默认情况下，gcc并不会被安装，我们需要选中它来安装。为了安装gcc，我们用鼠标点开 组件列表中的“Devel”分支，在该分支下，有很多组件，我们必须的是：
binutils 、gcc 、gcc-mingw 、gdb
Binutils组件：
Gcc组件：
Gdb组件：
Gcc-mingw组件：
选完之后，选择下一步：
安装的时间依据你选择的组件以及网络情况而定。
4. Nutch安装
Nutch是一个Java实现的web爬虫，爬取的结果存储到database（指定文件路径下的一系列文件及目录）供Solr或Lucene索引和检索。
常见搜索相关的框架的基本功能列表：
|
|
爬取 |
索引 |
检索 |
|
Nutch |
√ |
|
|
|
Solr |
|
√ |
√ |
|
Lucene |
|
√ |
√ |
下载安装apache-nutch-1.7-bin.zip并设置。下载地址：http://archive.apache.org/dist/nutch/
下载完成后解压缩Nutch二进制分发包，（我解压缩在：H:\nutch\nutch1.7）目录如下：
l bin目录，只包含一个可执行文件nutch
l conf目录，nutch命令执行的配置参数
l docs目录，JavaDoc帮助
l lib目录，相关Jar类库
l plugins目录，相关插件库
设置环境变量：
变量名 NUTCH_JAVA_HOME
变量值 %JAVA_HOME% 【其值设为JDK的安装目录】
运行Cygwin，进入到nutch1.7所在的解压缩路径下，在输入bin/nutch，如图：
Nutch安装成功。