solr - 我正在关注 Nutch 教程，并收到“没有要获取的 URL”错误

Question

在此处遵循 Apache Nutch 教程：

如教程中所述，我已将 regex-urlfilter.txt 的最后一行设置为：

+^http://([a-z0-9]*\.)*nutch.apache.org/

我的 nutch-site.xml 文件仅包含以下行

<property>
 <name>http.agent.name</name>
 <value>My Nutch Spider</value>
</property>

我的 seed.txt 文件是：

http://nutch.apache.org/

但是，当我爬行时

bin/nutch crawl urls -dir crawl -depth 3 -topN 5

我收到“没有要获取的 URL”错误。有谁知道为什么？

Answer 1

配置对我来说看起来不错。您已经在运行时/本地文件夹中进行了这些更改，对吗？seed.txt 将在 NUTCH_HOME/runtime/local/urls 文件夹中，而 regex-urlfilter.txt 和 nutch-site.xml 将在 NUTCH_HOME/runtime/local/conf 文件夹中

NUTCH_HOME 是安装目录