Nutch + solr 这个配合不错哦

wtuyss

　　因为朋友需要，所以把这个开源组合放在一起试用了下，正在弄，先Mark下。
　　用的是Nutch1.9，这个比较新，资料比较少，基本上就是用原来的英文WIKI。
　　首先要注意的是，不要试着在windows下做，除非你是环境十分有必要，或者是一点也不会linux，因为在windows下，确实需要改大量的代码，并且会有不可预料的问题出现。
　　然后在这两个地方要注意
　　一是记得改Nutch过滤策略。
　　Nutch上的conf/regax-urlfilter.xml中一定要把没用的#掉，然后加上这个正则
　　+^http://([a-z0-9]*\.)*com/
　　当然到你的系统要发布的时候，你可以根据你的需要改这些正则，匹配不同采集策略。
二是schema.xml要同步的。
　　Nutch和solr下应该一样的，我是用Nutch的覆盖solr的
　　三是几个错误要修改好，网上基本能查到。
　　主要就是改下scheme.xml里的几个参数，比如把text值改为context呀，
　　再有就是把没有分词包加到solr的sample的库目录呀，或是直接注释掉什么的，
　　方法很多，大家放狗搜搜，自己再读读源码，应该很轻松搞定。
　　最后就是在系统中集成的方法了，我用了solrnet，做的客户端，很轻松，查询只要3天就可以写出来，当然要做好web或是服务的话，应该也不麻烦。
　　在上客户端的时候，我用的是xml形式的查询，已经有现成的封装，大家可以自己试试。