黑白偏执 | Ray 's Blog    复制

    又过了一年，又经历了很多事，真是很多事啊，都已经懒的写了，太多的大喜大悲，太多的成功与失败了，太多的悲欢离合，太多的忠诚与背叛，已经让人麻木了，心如止水，去年时还有着梦想与愿望，现在连梦想都懒的许了，唯一不变的还是一件事，最讨厌过圣诞节了，因为它总是提醒我，你永远都会是自己一个人，只有这个是永远不会随着时间的改变而变的。去年还会去想做一个好人还是坏人，现在连这个都懒的想了，去TMD，无所谓了，真的，一切都无所谓了。

    瞬间，爷爷过世快一年了，不知道他老人家在那边过的怎样，挺想的，老人一没，真的，这个家就散了，唉，希望奶奶能够健康长寿，您一定要长寿啊！

    我自己已经无所谓了，我只想让我的亲人过得好些，这就是我今年的愿望吧，希望能实现，我已经懒的去祝我讨厌的人，我恨的人，背叛我的人，抛弃我的人，何必那，讨厌就是讨厌，恨就是恨，何必假惺惺的祝他们幸福那？没有必要，当然也没有必要去诅咒他们，顺其自然吧。

    回去睡觉了，好累，好累啊！

第二份OFFER是中兴通讯的,待遇还不错,而且提供了我想要的职位,斟酌了一下,就把自己卖给中兴了,下面的工作就是该写论文了,我想今年找工作的任务算是画上了一个比较好的句号了吧,拿了两个OFFER,应该可以了吧,再去拿其他公司的估计会被那些没有签约,正在找工作的同学骂了,犹豫下周的松下还要不要去面那?看心情吧!

CON~自己一个先.

转自－－－－东方腾龙

如果到了这个年纪有个人这样的陪你,一生就足以



一生一世的恩爱，不假富贵荣华，哪怕是一部老掉牙的自行车，依然能够相伴走过共同的人生路



纵向的人生路充满进取，已经不属于他们，他们只是希望缓缓地走好横向的人生路



紧握的爱:
作品说明：老伴身体不好，
很少出门，所以每一次上街，
老人都要像拉着小孩一样拉着老伴。
从老人夸张的动作中，可以看出他对老伴的深厚感情




关爱



生活
一家三口为了生活而帮别人推煤的情景,感动了我.有的人坐的是轿车,
有的人却一家三口守着耐以生存的煤车



爷爷奶奶,我们也会老
爸爸：我来拉你一下！



别说我的眼泪你无所谓！
2005年4月16日晚，云南省一高速公路发生重大车祸，车祸中身受重伤的母亲张红敏在医院接受抢救，还没有从麻醉中完全清醒过来就示意护士把女儿抱到床前，哭个不停的小阳阳趴在妈妈胸前再也不哭了……




我们多少人曾经假装生活在别处，我们闭上眼睛，以为不会看见。
但在这些图片面前，我们能清楚地听见自己撕裂的心灵与灵魂的对话。
曾经麻木的心在疼痛中慢慢复苏
苦的盲人夫妇



苦了一天



这一幕，城市中生活的你有没有目睹过？
　　你的心灵曾为此震撼过嘛？
　　有这样的骗子吗？这样沧桑的一只手伸出来，你如何忍心让她空着收回？
　　在我们无法判断对方是否骗子的时候，能否有“宁可错给，不愿错过”的柔情和心量呢？两块钱对我们真的那么重要吗？我们的慈悲心连这点钱都不值吗？
　　如果能有改变，您今天的震撼也算没有白费。
　　不怕受骗，也是一种厚德载物，永远不要为我们的冷漠、麻木和小气寻找借口。

Nutch 初体验之二－－－－转自DBA notes

前几天介绍了 Nutch 的基本信息 以及 如何使用 Nutch 进行 Intranet crawling。下面进行一下全网的爬行(Whole-web Crawling) 的操作测试。

Nutch 的数据包括两种类型:

• Web 数据库。包含所有Nutch可以辨别的页面，以及这些页面间的链接信息。
• 段(segment)集合. 每个 segment 是作为一个单元(unit)被获取并索引的页面集合。Segment 数据包括如下类型：
  • fetchlist：指定待获取的一个页面集合的文件
  • fetcher output：包含获取到的页面的文件集合
  • index：fetcher 输出的 Lucene 格式的索引

注：如果发现有解释不清的地方，请参考这里，不过说实话，Nutch的文档远远不够完善，还存在很多语焉不详的地方。

创建相关的目录并创建一个空的 web 数据库:

[root@fc3 nutch]# mkdir db
[root@fc3 nutch]# mkdir segments
[root@fc3 nutch]# bin/nutch admin db -create
run java in /u01/app/oracle/product/10.1.0/db_1/jdk/jre
050104 122933 loading file:/u01/nutch/conf/nutch-default.xml
050104 122934 loading file:/u01/nutch/conf/nutch-site.xml
050104 122934 Created webdb at db
[root@fc3 nutch]# tree db
db
|-- dbreadlock
|-- dbwritelock
`-- webdb
    |-- linksByMD5
    |   |-- data
    |   `-- index
    |-- linksByURL
    |   |-- data
    |   `-- index
    |-- pagesByMD5
    |   |-- data
    |   `-- index
    `-- pagesByURL
        |-- data
        `-- index

5 directories, 10 files
[root@fc3 nutch]# 

接下来需要用“注射器(injector)”把网址"注入"到数据库中。Nutch 的文档中是从 DMOZ 获取一个 URL 集合，然后取一个子集进行处理。不过该文档实在是太大了。这里用了 http://rdf.dmoz.org/rdf/ 目录下的 content.example.txt 文件做测试。

[root@fc3 nutch]# bin/nutch inject db -dmozfile content.example.txt
run java in /u01/app/oracle/product/10.1.0/db_1/jdk/jre
050104 123105 loading file:/u01/nutch/conf/nutch-default.xml
050104 123106 loading file:/u01/nutch/conf/nutch-site.xml
050104 123106 skew = 1251308788
050104 123106 Begin parse
050104 123106 Using URL filter: net.nutch.net.RegexURLFilter
050104 123106 found resource regex-urlfilter.txt at file:/u01/nutch/conf/regex-urlfilter.txt
.050104 123106 Completed parse.  Added 40 pages.
......
[root@fc3 nutch]#

还好，40 个 URL 而已。不算太多。

获取 URL

从数据库中创建 fetchlist ：

[root@fc3 nutch]# bin/nutch generate db segments

segments 目录的基本信息：

[root@fc3 nutch]# tree segments
segments
`-- 20050104135736
    `-- fetchlist
        |-- data
        `-- index

2 directories, 2 files
[root@fc3 nutch]# 

接下来需要把 segments 目录“20050104135736”保存到一个环境变量中，供以后使用。

[root@fc3 nutch]# s1=`ls -d segments/2* | tail -1`

运行 fetcher，获取这些 URL 信息:

 
[root@fc3 nutch]# bin/nutch fetch ＄s1

之后需要更新数据库，把获取到的页面信息存入数据库中:

[root@fc3 nutch]# bin/nutch updatedb db ＄s1

进行链接分析(analyze: adjust database link-analysis scoring)，深度这里设定为3 ，来决定下次 fetch 操作的优先权：

[root@fc3 nutch]# bin/nutch analyze db 3

创建新的 segment ，选择分值排在前 10 的URL(一个很小的子集)来进行第二次获取：

[root@fc3 nutch]# bin/nutch generate db segments -topN 10

把新的 segments 名字存到 ＄s2 变量中。

[root@fc3 nutch]# s2=`ls -d segments/2* | tail -1`
[root@fc3 nutch]# echo ＄s2
segments/20050104140654
[root@fc3 nutch]# echo ＄s1
segments/20050104135736
[root@fc3 nutch]# tree segments
segments
|-- 20050104135736
|   |-- content
|   |   |-- data
|   |   `-- index
|   |-- fetcher
|   |   |-- data
|   |   `-- index
|   |-- fetchlist
|   |   |-- data
|   |   `-- index
|   |-- parse_data
|   |   |-- data
|   |   `-- index
|   `-- parse_text
|       |-- data
|       `-- index
`-- 20050104140654
    `-- fetchlist
        |-- data
        `-- index

8 directories, 12 files
[root@fc3 nutch]# 

然后依样画葫芦，进行第二次获取，更新，以及分析:

[root@fc3 nutch]# bin/nutch fetch ＄s2
......
[root@fc3 nutch]# bin/nutch updatedb db ＄s2
......
[root@fc3 nutch]# bin/nutch analyze db 3
......

如法炮制，再来第三次:

[root@fc3 nutch]# bin/nutch generate db segments -topN 5
......
[root@fc3 nutch]# s3=`ls -d segments/2* | tail -1`
......
[root@fc3 nutch]# bin/nutch fetch ＄s3
......
[root@fc3 nutch]# bin/nutch updatedb db ＄s3
......
[root@fc3 nutch]# bin/nutch analyze db 3
......

创建索引并去掉重复的 URL

[root@fc3 nutch]# bin/nutch index ＄s1
......
[root@fc3 nutch]# bin/nutch index ＄s2
......
[root@fc3 nutch]# bin/nutch index ＄s3
......

去除重复页面：

[root@fc3 nutch]# bin/nutch dedup segments dedup.tmp

配置 Tomcat

[root@fc3 nutch]# rm -rf /opt/Tomcat/webapps/ROOT*
[root@fc3 nutch]# cp nutch*.war /opt/Tomcat/webapps/ROOT.war
[root@fc3 nutch]# cd /opt/Tomcat/webapps/
[root@fc3 webapps]# jar xvf ROOT.war
......
[root@fc3 nutch]# ../../opt/Tomcat/bin/catalina.sh start

注意:webapp 必须要在相对路径 ./segments 找到具体数据。否则在搜索的时候会报告如下异常信息：

java.lang.NullPointerException
   at net.nutch.searcher.NutchBean.init(NutchBean.java:82)
   at net.nutch.searcher.NutchBean.>init<(NutchBean.java:68)
   at net.nutch.searcher.NutchBean.>init<(NutchBean.java:58)
   at net.nutch.searcher.NutchBean.get(NutchBean.java:50)
   at org.apache.jsp.search_jsp._jspService(search_jsp.java:66)
   at org.apache.jasper.runtime.HttpJspBase.service(HttpJspBase.java:137)

搜索测试：

其他想法

Nutch 的机器人还不如其他商业搜索引擎的那样灵活(需要“喂"给它URL)。但是比较适合一些特定应用。比如 Grassland 这样的小型特性目的的搜索引擎，可以用 Nutch + Lucene 来比较完美的实现。单独做一个收集 URL (RSS ?)信息的工具，然后 Nutch 进行处理，Lucene 来实现更为完善的全文搜索功能。希望能看到越来越多的实际项目应用到 Nutch 。

参考信息

• Nutch Wiki - http://www.nutch.org/cgi-bin/twiki/view/Main/Nutch
• 何东的 试用Nutch
• 车东的 Lucene：基于Java的全文检索引擎简介

后记:

很多朋友都遇到 Nutch 0.6 输入中文会出现乱码的问题。这个问题其实和 Nutch 关系不大，主要原因是使用 Tomcat 5.0 的问题。解决办法是修改 Tomcat 的server.xml 文件的connnector：

  URIEncoding="UTF-8" useBodyEncodingForURI="true" /> 

黑色部分是需要添加的.之后乱码问题就解决了.

<script type="text/java script">

Nutch 初体验 －－－－转自DBA notes

Nutch vs Lucene
Lucene 不是完整的应用程序，而是一个用于实现全文检索的软件库。
Nutch 是一个应用程序，可以以 Lucene 为基础实现搜索引擎应用。

Nutch vs GRUB
GRUB 是一个分布式搜索引擎(参考)。用户只能得到客户端工具(只有客户端是开源的)，其目的在于利用用户的资源建立集中式的搜索引擎。
Nutch 是开源的，可以建立自己内部网的搜索引擎，也可以针对整个网络建立搜索引擎。自由(Free)而免费(Free)。

Nutch vs Larbin
"Larbin只是一个爬虫，也就是说larbin只抓取网页，至于如何parse的事情则由用户自己完成。另外，如何存储到数据库以及建立索引的事情 larbin也不提供。［引自这里］
Nutch 则还可以存储到数据库并建立索引。

［引自这里］

Nutch 的早期版本不支持中文搜索，而最新的版本(2004-Aug-04 发布了 0.5)已经做了很大的改进。相对先前的 0.4 版本，有 20 多项的改进，结构上也更具备扩展性。0.5 版经过测试，对中文搜索支持的也很好。

下面是我的测试过程。

前提条件(这里Linux 为例，如果是 Windows 参见手册)：

[root@fc3 ~]# export NUTCH_JAVA_HOME=/u01/app/oracle/product/10.1.0/db_1/jdk/jre

首先下载最新的稳定版：

[root@fc3 ~]# wget http://www.nutch.org/release/nutch-0.5.tar.gz

解压缩:

[root@fc3 ~]# tar -zxvf nutch-0.5.tar.gz
......
[root@fc3 ~]# mv nutch-0.5 nutch

测试一下 nutch 命令：

[root@fc3 nutch]# bin/nutch 
Usage: nutch COMMAND
where COMMAND is one of:
  crawl             one-step crawler for intranets
  admin             database administration, including creation
  inject            inject new urls into the database
  generate          generate new segments to fetch
  fetchlist         print the fetchlist of a segment
  fetch             fetch a segment's pages
  dump              dump a segment's pages
  index             run the indexer on a segment's fetcher output
  merge             merge several segment indexes
  dedup             remove duplicates from a set of segment indexes
  updatedb          update database from a segment's fetcher output
  mergesegs         merge multiple segments into a single segment
  readdb            examine arbitrary fields of the database
  analyze           adjust database link-analysis scoring
  server            run a search server
 or
  CLASSNAME         run the class named CLASSNAME
Most commands print help when invoked w/o parameters.
[root@fc3 nutch]# 

Nutch 的爬虫有两种方式

爬行企业内部网(Intranet crawling)。针对少数网站进行。用 crawl 命令。

爬行整个互联网。 使用低层的 inject, generate, fetch 和 updatedb 命令。具有更强的可控制性。

以本站(http://www.dbanotes.net)为例，先进行一下针对企业内部网的测试。

http://www.dbanotes.net/

然后编辑conf/crawl-urlfilter.txt 文件，设定过滤信息，我这里只修改了MY.DOMAIN.NAME:

# accept hosts in MY.DOMAIN.NAME
+^http://([a-z0-9]*.)*dbanotes.net/

运行如下命令开始抓取分析网站内容：

[root@fc3 nutch]# bin/nutch crawl urls -dir crawl.demo -depth 2 -threads 4 >& crawl.log

depth 参数指爬行的深度，这里处于测试的目的，选择深度为 2 ；
threads 参数指定并发的进程 这是设定为 4 ；

在该命令运行的过程中，可以从 crawl.log 中查看 nutch 的行为以及过程:

......
050102 200336 loading file:/u01/nutch/conf/nutch-site.xml
050102 200336 crawl started in: crawl.demo
050102 200336 rootUrlFile = urls
050102 200336 threads = 4
050102 200336 depth = 2
050102 200336 Created webdb at crawl.demo/db
......
050102 200336 loading file:/u01/nutch/conf/nutch-site.xml
050102 200336 crawl started in: crawl.demo
050102 200336 rootUrlFile = urls
050102 200336 threads = 4
050102 200336 depth = 2
050102 200336 Created webdb at crawl.demo/db
050102 200336 Starting URL processing
050102 200336 Using URL filter: net.nutch.net.RegexURLFilter
......                              
050102 200337 Plugins: looking in: /u01/nutch/plugins                 
050102 200337 parsing: /u01/nutch/plugins/parse-html/plugin.xml       
050102 200337 parsing: /u01/nutch/plugins/parse-pdf/plugin.xml        
050102 200337 parsing: /u01/nutch/plugins/parse-ext/plugin.xml        
050102 200337 parsing: /u01/nutch/plugins/parse-msword/plugin.xml     
050102 200337 parsing: /u01/nutch/plugins/query-site/plugin.xml       
050102 200337 parsing: /u01/nutch/plugins/protocol-http/plugin.xml    
050102 200337 parsing: /u01/nutch/plugins/creativecommons/plugin.xml
050102 200337 parsing: /u01/nutch/plugins/language-identifier/plugin.xml
050102 200337 parsing: /u01/nutch/plugins/query-basic/plugin.xml      
050102 200337 logging at INFO                                         
050102 200337 fetching http://www.dbanotes.net/                       
050102 200337 http.proxy.host = null                                  
050102 200337 http.proxy.port = 8080                                  
050102 200337 http.timeout = 10000                                    
050102 200337 http.content.limit = 65536                              
050102 200337 http.agent = NutchCVS/0.05 (Nutch; http://www.nutch.org/docs/en/bot.html; n
utch-agent@lists.sourceforge.net)
050102 200337 fetcher.server.delay = 1000                             
050102 200337 http.max.delays = 100                                   
050102 200338 http://www.dbanotes.net/: setting encoding to GB18030   
050102 200338 CC: found http://creativecommons.org/licenses/by-nc-sa/2.0/ in rdf of http:
//www.dbanotes.net/
050102 200338 CC: found text in http://www.dbanotes.net/              
050102 200338 status: 1 pages, 0 errors, 12445 bytes, 1067 ms         
050102 200338 status: 0.9372071 pages/s, 91.12142 kb/s, 12445.0 bytes/page
050102 200339 Updating crawl.demo/db                                  
050102 200339 Updating for crawl.demo/segments/20050102200336         
050102 200339 Finishing update                                        
                                                                       64,1           7%
050102 200337 parsing: /u01/nutch/plugins/query-basic/plugin.xml
050102 200337 logging at INFO
050102 200337 fetching http://www.dbanotes.net/
050102 200337 http.proxy.host = null
050102 200337 http.proxy.port = 8080
050102 200337 http.timeout = 10000
050102 200337 http.content.limit = 65536
050102 200337 http.agent = NutchCVS/0.05 (Nutch; http://www.nutch.org/docs/en/bot.html;
nutch-agent@lists.sourceforge.net)
050102 200337 fetcher.server.delay = 1000
050102 200337 http.max.delays = 100
......

之后配置 Tomcat (我的 tomcat 安装在 /opt/Tomcat) ，

[root@fc3 nutch]# rm -rf /opt/Tomcat/webapps/ROOT*
[root@fc3 nutch]# cp nutch*.war /opt/Tomcat/webapps/ROOT.war
[root@fc3 webapps]# cd /opt/Tomcat/webapps/
[root@fc3 webapps]# jar xvf ROOT.war
[root@fc3 webapps]# ../bin/catalina.sh start

浏览器中输入 http://localhost:8080 查看结果(远程查看需要将 localhost 换成相应的IP)：

搜索测试：

可以看到，Nutch 亦提供快照功能。下面进行中文搜索测试:

注意结果中的那个“评分详解”，是个很有意思的功能(Nutch 具有一个链接分析模块)，通过这些数据可以进一步理解该算法。

考虑到带宽的限制，暂时不对整个Web爬行的方式进行了测试了。值得一提的是，在测试的过程中，nutch 的爬行速度还是不错的(相对我的糟糕带宽)。

Nutch 目前还不支持 PDF(开发中，不够完善) 与 图片 等对象的搜索。中文分词技术还不够好，通过“评分详解”可看出，对中文，比如“数据库管理员”，是分成单独的字进行处理的。但作为一个开源搜索引擎软件，功能是可圈可点的。毕竟，主要开发者 Doug Cutting 就是开发 Lucene 的大牛

参考信息

• Nutch Wiki - http://www.nutch.org/cgi-bin/twiki/view/Main/Nutch
• 何东的 试用Nutch
• 车东的 Lucene：基于Java的全文检索引擎简介

因为经历黑暗，所以黑暗。

卑劣，罗嗦，谄媚，愚蠢，狡猾，偷懒，疯狂，想终结一切。

所以只能比社会，比别人更黑。

Nutch 使用之锋芒初试－－－转自琢思磋文轩
                           
　　“工欲善其事，必先利其器。”经过前文的“细解”，我们已经完成了Nutch在Windows中的安装。接下来就让我们通过锋芒初试，来亲自体验一下Nutch的强大功能吧！
   
　　Nutch的爬虫抓取网页有两种方式，一种方式是Intranet Crawling，针对的是企业内部网或少量网站，使用的是crawl命令；另一种方式是Whole-web crawling，针对的是整个互联网，使用inject、generate、fetch和updatedb等更底层的命令。 本文将以使用Nutch为笔者在CSDN处的个人专栏(http://blog.csdn.net/zjzcl)文章内容建立搜索功能为例，来讲述Intranet Crawling的基本使用方法（假设用户电脑系统已安装好JDK、Tomcat和Resin，并做过相应的环境配置）。
   
　　1、设置Nutch的环境变量

　　在Windows系统的环境变量设置中，增加NUTCH_JAVA_HOME变量，并将其值设为JDK的安装目录。比如笔者电脑中JDK安装于D:j2sdk1.4.2_09，因此将NUTCH_JAVA_HOME的值设为D:j2sdk1.4.2_09。
   
　　2、Nutch抓取网站页面前的准备工作

　　（1）在Nutch的安装目录中建立一个名为url.txt的文本文件，文件中写入要抓取网站的顶级网址，即要抓取的起始页。笔者在此文件中写入如下内容：
   
　　http://blog.csdn.net/zjzcl
   
　　（2）编辑conf/crawl-urlfilter.txt文件，修改MY.DOMAIN.NAME部分:
   
　　# accept hosts in MY.DOMAIN.NAME
　　+^http://blog.csdn.net/zjzcl
   
　　3、运行Crawl命令抓取网站内容
   
　　双击电脑桌面上的Cygwin图标，在命令行窗口中输入：
   
　　cd /cygdrive/i/nutch-0.7.1
   
　　不明白此命令含义的读者请参见前《细解》一文，然后再输入：
   
　　bin/nutch crawl url.txt -dir crawled -depth 3 -threads 4 >& crawl.log
   
　　等待大约2分多钟后，程序运行结束。读者会发现在nutch-0.7.1目录下被创建了一个名为crawled的文件夹，同时还生成一个名为crawl.log的日志文件。利用这一日志文件，我们可以分析可能遇到的任何错误。另外，在上述命令的参数中，dir指定抓取内容所存放的目录，depth表示以要抓取网站顶级网址为起点的爬行深度，threads指定并发的线程数。
   
　　4、使用Tomcat进行搜索测试
   
　　（1）将tomcatwebapps下的ROOT文件夹名改成ROOT1；
　　（2）将nutch-0.7.1目录的nutch-0.7.1.war复制到tomcatwebapps下，并将其改名为ROOT；

（3）打开ROOTWEB-INFclasses下的nutch-site.xml文件，修改成如下形式：
   
　　<?xml version="1.0"?>
　　<?xml-stylesheet type="text/xsl" href="nutch-conf.xsl"?>

　　<!-- Put site-specific property overrides in this file. -->

　　<nutch-conf>
　　　<property>
　　　　<name>searcher.dir</name>
　　　　<value>I:/nutch-0.7.1/crawled</value>
　　　</property>
　　</nutch-conf>
 
　　其中的“<value>I:/nutch-0.7.1/crawled</value>”部分，读者应根据自己的设置进行相应修改。

（4）启动Tomcat，打开浏览器在地址栏中输入：http://localhost:8080，如图1所示：


    
　　在文本框中输入关键字，就可以进行搜索了。不过用户在使用时会发现，对于英文单词的搜索一切正常，而当要搜索中文词语时会出现乱码。其实这个问题是Tomcat设置的问题，解决办法是修改tomcatconf下的server.xml文件，将其中的Connector部分改成如下形式即可:

<Connector port="8080" maxThreads="150" minSpareThreads="25" maxSpareThreads="75"
               enableLookups="false" redirectPort="8443" acceptCount="100"
               connectionTimeout="20000" disableUploadTimeout="true"
               URIEncoding="UTF-8" useBodyEncodingForURI="true" />

现在我们可以对中文词汇进行搜索了。如在搜索框中输入“李开复”，点击搜索按钮后，会搜索到笔者之前写的两篇文章《从李开复换门庭开启的缝隙中窥视——试探Google的几招成功“秘诀”》与《从国内首例禽流感假疫苗大案说起——有感于李开复<做最好的自己>中的诚信观》，如图2所示：
    

   
　　如果点击show all hits按钮，则会列出更多相关的搜索结果了。   
   
　　5、使用Resin进行搜索测试
   
　　由于笔者最近工作中经常使用Resin，因此在Tomcat上测试完毕后也想在Resin上测试一把，未曾想遇到了各种意想不到的情况。下面就将所遇到的问题以及解决方法列出，以供遇到相同问题的读者参考。
   
　　（1）将nutch-0.7.1目录的nutch-0.7.1.war复制到resin-3.0.17webapps下；

（2）打开resin-3.0.17conf下的resin.conf文件，把
   
　　<!-- configures the default host, matching any host name -->
   
　　下面的内容改成：
   
　　<host id="" root-directory=".">          
　　　<web-app id="/" document-directory="webapps/nutch-0.7.1"/>
　　　<stderr-log path='logs/stderr.log' rollover-period='1W'/>
　　　<stdout-log path='logs/stdout.log' rollover-period='1W'/>
　　</host>

（3）打开resin-3.0.17webappsnutch-0.7.1WEB-INFclasses下的nutch-site.xml文件，修改成如下形式：
   
　　<?xml version="1.0"?>
　　<?xml-stylesheet type="text/xsl" href="nutch-conf.xsl"?>

　　<!-- Put site-specific property overrides in this file. -->

　　<nutch-conf>
　　　<property>
　　　　<name>searcher.dir</name>
　　　　<value>I:/nutch-0.7.1/crawled</value>
　　　</property>
　　</nutch-conf>
 
　　其中的“<value>I:/nutch-0.7.1/crawled</value>”部分，读者应根据自己的设置进行相应修改。

（4）启动Resin，打开浏览器在地址栏中输入http://localhost:8080后，在Nutch的搜索框中输入关键字，点击“搜索”按钮会出现如图3所示的错误。
 

 
　　查看resin-3.0.17logs下的stdout.log文件，会发现报空指针的错误。查阅相关资料后才知，原来Resin没有使用Xerces作为其默认的XML解析器，而Nutch又恰好用到了Xerces，因此应该在Resin的配置文件中明确告之要使用Xerces。打开resin-3.0.17conf下的resin.conf文件，在<server>标签的上面加上两行内容：

<system-property javax.xml.parsers.DocumentBuilderFactory="org.apache.xerces.jaxp.DocumentBuilderFactoryImpl"/>
　　<system-property javax.xml.parsers.SAXParserFactory="org.apache.xerces.jaxp.SAXParserFactoryImpl"/>

同时，还要将tomcatcommonendorsed下的xercesImpl.jar、xmlParserAPIs.jar复制到resin-3.0.17lib目录中。重新启动Resin，打开http://localhost:8080并输入要搜索的关键字后，这时终于不再出现空指针错误了，但是却出现了如图4所示的错误。
    

    
　　这个错误出得有些莫明其妙，同样的内容在Tomcat里安然无恙，但是在Resin中却会出现找不到/zh/include/footer.html文件的异常。没办法只好手工将resin-3.0.17webappsnutch-0.7.1include下的footer.html文件复制到resin-3.0.17webappsnutch-0.7.1zhinclude目录中。重启Resin进行搜索，终于又见到了久违的如前图2所示的搜索结果了。
   
　　6、总结
   
　　Nutch目前对中文分词的支持还不够完善，从测试的结果来看它是将中文词语分成单独的字进行处理的。但是瑕不掩瑜，作为一个开源的搜索引擎项目，Nutch的功能不仅可圈可点，而且从对它源代码的解读中可以使我们对搜索引擎的运行机理和相关算法有了更加深入的了解。此外，Nutch优秀的设计架构使得用户能够非常容易的开发自己的插件，以实现个性化的需求与功能。相信随着Nutch不断的改进和成熟，在不久的将来，基于Nutch的个人搜索引擎以及行业垂直搜索引擎会不断的涌现出来。

参考资料：
1、Nutch tutorial
2、Getting Nutch Running With Windows
3、Getting Nutch Running With Resin  
4、Nutch 初体验之二

参考文献：
  1、Getting Nutch Running With Windows
  2、Nutch 初体验  
  3、Nutch 于 winxp  
  4、Cygwin使用指南

一升的眼泪，非常感人，本来前一阵子对日剧已经彻底失去信心了，不过最近看了两部还是很好的，人情味道很浓，似乎重新回到了以前的路子上，想想以前真的很经典的日剧，《追捕》，《东爱》，《美丽人生》，《电车男》，《野猪大改造》等等，相比这两年韩剧开始走下坡路，人们已经对韩式的恶搞，野蛮，煽情厌烦了，相反新式日剧开始走回以剧本，情节，演技取胜的老路上，这也是对影视剧最基本要求的回归，偏门是吃不长久的。

亚希确实坚强，也很幸运有一个好的家庭，有一群善良热心的朋友，并且遇到了一个不离不弃的男友，其间的家人的亲情，男友爱情的忠诚，都是让人感动和羡慕的，虽然她失去了很多，命运同时用另一种方式给了她补偿，真好的爱情啊，羡慕她，其实我也可以做到不离不弃的，可惜我没她那么好运，没能碰到如此忠贞的伴侣，所以，但是也没什么好抱怨的，因为毕竟太难得了，那种高尚的人，我虽然不是高尚，但是我会努力活的不卑微，我已经不再自怨自抑了，因为比起那些真正苦难的人，我的这点苦难简直就不值得一提了，虽然可能换到同龄人身上没几个人能受的了吧。

我会努力去帮助那些被命运玩弄的，需要别人关心和帮助的人，同时我仍然会努力拓展自己的事业，努力赚钱，不为自己，为了身边的人，能活的更好，然后有空闲的话，我会去做义工，帮助那些苦难的，残疾的，患病的，受歧视的弱势群体，不再对他们有和偏见，尽量温柔的帮助需要帮助的人。

即使不高尚，我也决不会卑贱。但对于那些垃圾，决不手软，战斗到底。

1. 移动搜索

2. 垂直领域搜索 ：金融 证券 股票 旅游 汽车 房地产等等高回报率的行业＋专业的数据库＋专家的指导意见＋中国特色的国情。

3. 元搜索引擎

在可预见的5－10年内这样的公司会发展起来。

“这个世上的一切都是游戏，觉得自己输了而半途而废的家伙是笨蛋，一直生存到最后用心去享受游戏过程的家伙才是胜利者，这大概就是这个世界的规则吧！”

“野猪力量，注入”

野猪的真面目：

型男1号和2号

LIVE----LAUGH----FIGHT

笑着活下去。我默默的告诉自己，因为最近又开始有了想结束自己的念头，所以这样安慰一下自己。

很久没有更新BLOG了，懒惰自然是一方面，但是实在不想把这里作为自己的避风港了，难道只有经历过痛苦后才想到这里发泄一下，NO。

人气真是直线下滑啊，一哥们曾经质疑这个网站的统计是否不实，我也曾经这样想，怎么可能有那么高的访问量啊，不过经过这段时间后，由于我长期的不更新，导致没人访问，也验证了统计还是准确的，因为我的懒惰，导致大量读者的流失，虽然大部分人都是只看不回的，呵呵，无所谓，我不在乎。

06上半年经历了好多事，现在真是身心疲惫啊，谈了一场白天的恋爱，恩，曾经以为得到了幸福，呵呵，不可能的，因为我的命不会让我如此幸福的，不过我已经很感激了，毕竟这3个月是我觉得真的很快乐的，并且全身心投入的，头一次不这么自私，爱一个人，可惜，没能走到最后，虽然是遭到了背叛，但我不恨她，换了时别人，大概同样是会做同样的决定吧，暂时不想谈恋爱了，自己还是没能成熟些，不过真的是一次不错的经历那，谢谢你，我不知道自己现在是否能依然爱你，不过我肯定没有怨恨你。人只有失恋才能不断的成熟吧，所以暂时就这样一个人，继续走下去吧，虽然孤独，但是起码不会伤害任何人。

有时真的很颓废，讨厌这样的自己，完全没有斗志了，因为我无论我怎样努力都没有用吧只要是在现在的社会，恩，歧视，没有办法，有了想出国的念头，这是以前从来没有过的。

说实话我一直都认为只要努力是可以改变一些事的，不过看来是我错了，我是如此无力，什么也改变不了的。

我最大的错误就是以为自己可以比别人做的好些，可以通过努力改变一些人和一些事，事实证明，完全失败啊，呵呵，真是对我的人生观的一大嘲讽，总之，先混一段时间吧。

混蛋真多啊，这世界，看清了很多人，伤心。

什么亲情，爱情，友情，BOTH SHIT!干。

不过依然要，笑着活下去，不能死，现在还不行。

有时候我觉得自己永远都吃不饱
也许只有吃的很多才能够长高
盼望能有一张迷人的相貌把所有人都迷倒
最后发现只有一种方法使用蒙汗药
长大之后无奈进入了社会我总是睡不着
我怀疑公司给别人的工资都比我高
总是努力学着对别人微笑难免也中他们圈套
偶尔上帝也会对我说失败很重要
我是一只只只~~~小鸟
因为吃的太多已经飞飞不高
我寻觅一颗栖息的树已被我压折了
这样的重量算不算太高
我是一只只只~~~小鸟
突然一天醒来有了迷人的美貌
麻雀也能飞上青天谁的歌声真美妙
美女的要求也不算太高

 背景音乐是小妹妹唱的这首小小鸟，太可爱的声音了

从好朋友的BLOG那里转来的,个人隐私,不便标注出处了!

很可爱的歌声,吼吼!!!!!

幸福如此短暂,在你还没有来得及品味时,它依然弃你而去,所以永远没有天堂,决不会抛弃你的只有永远都是残酷的现实!

NEVER HEAVEN

活着并不意味生存,死亡并不意味分离

对于自己的人生,我已然看得太清,

NEVER HEAVEN

也不会是地狱,永远都是玩笑,残酷的玩笑

我的错就是以为自己能改变些什么,能够比别人做的更好

满怀理想与憧憬,看到LOST HEAVEN 的美景,以为那就是天堂

不是,

NEVER HEAVEN

游戏的规则仍然是有筹码玩的起,GO ON

OR DESTROY ,DIE

离那还有多远?

HEART , COURGE ,KIND ,LOVE ,FAMILY, FRIENDS,NOTHING

NEVER HEAVEN  WAITING TO DIE ----------------------------

                       TO BE CONTINUED!