Exception in thread "main" java.io.IOException: lock file crawl/linkdb/.locked already exists. at org.apache.nutch.util.LockUtil.createLockFile(LockUtil.java:44) at org.apache.nutch.crawl.LinkDb.invert(LinkDb.java:156) at org.apache.nutch.crawl.LinkDb.invert(LinkDb.java:149) at org.apache.nutch.crawl.Crawl.main(Crawl.java:140) 大家帮忙看看，网上搜了半天没有相关讲解。

nutcher 是 Apache Nutch 的中文教程，在github上托管。nutch社区目前缺少教程和文档，而且教程对应版本号较为落后。nutcher致力于为nutch提供一个较新的中文教程和文档，供开发者学习。 官方网站:https://github.com/CrawlScript/nutcher

CrawlDb update: java.io.IOException: lock file crawl/.locked already exists. at org.apache.nutch.util.LockUtil.createLockFile(LockUtil.java:50) at org.apache.nutch.crawl.CrawlDb.update(CrawlDb.java:76) at org.apache.nutch.crawl.CrawlDb.run(CrawlDb.java:246) at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:70) at org.apache.nutch.crawl.CrawlDb.main(CrawlDb.java:196) 怎么回事啊？

人好少，是不是没多少人用了

nutch启动时卡在这里了，请问怎么解决？

nutch2.1抓取数据保存GBK编码的网址乱码，有没有办法对所有的网页编码进行统一的转换，达到不管网页是什么编码，抓取的数据都不会乱码

在使用nutch抓取书籍的时候，产生如图问题 怀疑是底下这个地方配置问题， 求大神帮助。毕业设计啊

bin/nutch: 行 154: /usr/java/jdk1.6.0_25 /bin/java: 没有那个文件或目录 bin/nutch: 行 251: /usr/java/jdk1.6.0_25 /bin/java: 没有那个文件或目录

Nutch中怎么创建插件中的对象啊！就比如我在Injector的时候创建org.apache.nutch.parse.html.HtmlParser，在分布式跑的时候就是 ，另外说名new HtmlParser() 在ant编译时不通过，我是使用反射创建的

nutch吧好冷呀,15年11月22日路过,你们觉得nutch哪个版本最好用

明天开始。。

用的是hadoop2.5.2+hbase0.98,都已经安装成功，已经都启动，但是安装配置完nutch2.3之后，ant编译不成功，求大神指导hadoop2.52+hbases0.98+nutch2.3+solr4.9.0的伪分布式环境搭建配置，有高手么 ？？

求教，现在在跟着“在Eclipse中运行Nutch2.3”文章中调试运行环境，在第四步中写的是“在nutch.xml中增加一下3个属性”，我现在的问题是，我根本找不到nutch.xml这个文件，有的都是什么nutch-site.xml、nutch-site-test.xml以及nutch-default.xml，请问该怎么进行调试

这里出现的报错是怎么回事啊，我的Rex_htmlParser.xml文件确实在conf下，但是还会报错？

用nutch半个小时才爬了1000多的网页 用larbin 5分钟就爬了7000多 不会差距那么大吧　？

apache-nutch-1.9-bin，在命令行里面输参数，solr也配之完成，能运行，但是抓到的url太少了，youku首页，过滤规则什么网址都抓，只能抓70+，自己写的抓取url去重复以后光视频播放页的就有300+，是配置有问题？可是能运行啊。。。网上关于nutch问题的资料太少了

我是刚刚接触nutch，但是怎么也搞不定，总是出现问题 $ bin/nutch crawl urls -dir sina -threads 4 -depth 2 -topN 30 crawl started in: sina rootUrlDir = urls threads = 4 depth = 2 topN = 30 Injector: starting Injector: crawlDb: sina/crawldb Injector: urlDir: urls Injector: Converting injected urls to crawl db entries. Injector: Merging injected urls into crawl db. Injector: done Generator: Selecting best-scoring urls due for fetch. Generator: starting Generator: segment: sina/segments/20140414090044 Generator: filtering: false Generator: topN: 30 Generator: jobtracker is 'loca

URL怎么分发，效率会更高？

大四下学期了，我的毕业设计题目是《基于nutch的视频搜索和解析》 由于之前没有接触过nutch，编程能力也不是很强； 一开始做这个很没有头绪，前几天才安装好nutch，感觉各种没方向； 求高手提点一番，不胜感激； 有这方面的资料可以供我参考的也行；

当开始抓取时，会报 java.lang.NoSuchMethodError: org.apache.hadoop.hbase.HColumnDescriptor.setMaxVersions(I)V at org.apache.gora.hbase.store.HBaseMapping$HBaseMappingBuilder.addFamilyProps(HBaseMapping.java:114) at org.apache.gora.hbase.store.HBaseStore.readMapping(HBaseStore.java:612) at org.apache.gora.hbase.store.HBaseStore.initialize(HBaseStore.java:110) at org.apache.gora.store.DataStoreFactory.initializeDataStore(DataStoreFactory.java:102) at org.apache.gora.store.DataStoreFactory.createDataStore(DataStoreFactory.java:161) at org.apache.gora.store.DataStoreFactory.createDataStore

大家好，其实我也是一个超级菜鸟，只是好奇这个工具。用了一、两天发现它有很多网站抓不了或者一些内容找不到。了解特别浅显，请大家多指教，多传授经验。

nutch dump出来的文件用记事本打开有乱码，是个别几个网页存在的情况，通常是在标签中夹的中文有乱码，如<title>口口</title>..（意会一下） 是不是部分网页的编码nutch不支持呢？求指点~~

nutch运行在hadoop上，nutch的运行日志存储在什么目录下啊？怎么也找不到的？

以nutch、lucene等开源工具为基础，结合您的行业搭建一个行业垂直搜索引擎 一、实验目的（介绍本次实验的预期目标，完成的功能） 以一个开源的词典，为你的搜索引擎实现自动分词功能，并以分词结果建立索引，实现基于词的检索。 二、实验过程（介绍实验中涉及的关键过程，如核心算法、数据结构等） 感激不尽

我们现在遇到一个问题，nutch下网络爬虫是否可以给定ip来进行爬虫，而不用url？？？各位指教指教额...

到底如何配置

大家一起努力好好发展！！