Hawk 搜索引擎平臺是面向中小型網(wǎng)站，可以定制的垂直搜索引擎平臺。本搜索引擎平臺
目標是方便用戶搭建站內(nèi)搜索、某個領(lǐng)域的垂直搜索、以及檢索個人文檔以及自己關(guān)注的
網(wǎng)站信息的桌面搜索等應(yīng)用領(lǐng)域。它改造自Lucene/Hadoop/Nutch系統(tǒng)，是純Java的搜索平臺軟件，
可以運行于Windows及Linux等平臺。目前發(fā)布版本為初始版本Hawk-0.4.35-test版，具備基本的
抓取、索引和檢索功能，本搜索引擎將免費提供，歡迎大家測試和使用，謝謝！
      下一個版本將實現(xiàn)可根據(jù)語法以及新詞進行分詞的分詞模塊，以及抓取數(shù)據(jù)的過濾及優(yōu)化，
索引的消重等方面，以實現(xiàn)可以應(yīng)用于實際在線產(chǎn)品的版本。
      下面介紹本搜索引擎的使用和演示版本：

      1, 下載和安裝
      a. 請下載Java運行環(huán)境，推薦Java SE 1.6版本
      b. 下載Hawk-0.4.35-test（稍后提供，謝謝）
      c. 解壓：tar -zxf hawk-0.4.35-test.tar.gz
      d. 假設(shè)Hawk已被解壓到 ~/hawk-0.4.35 目錄，以下敘述以 $HAWK表示

      2, 配置
      a. 將Java運行環(huán)境的bin目錄添加到系統(tǒng)PATH環(huán)境變量中，同時修改$HAWK/conf/hawk-env.sh
文件設(shè)置正確的Java路徑。備注：Java缺省會安裝在/usr/java目錄下
      b. 也可以將hawk解壓后目錄 $HAWK/bin 添加到PATH環(huán)境變量中，方便啟動和停止Hawk服務(wù)。
      c. 修改 $HAWK/conf/hawk-site.xml 文件中的“search.dir”的值為索引數(shù)據(jù)存放路徑，如
<property>
  <name>searcher.dir</name>
  <value>/tmp/hawkdb</value>
</property>

      d. Hawk系統(tǒng)服務(wù)會綁定若干個端口，請查看$HAWK/conf/site.xml，酌情修改

      3, 訪問
      a. 啟動Hawk服務(wù)：運行 $HAWK/bin/start-hawk.sh 和 $HAWK/bin/start-server.sh 腳本
      b. 訪問Hawk管理界面（缺省端口為20090），例如：http://localhost:20090/

      4, 抓取網(wǎng)頁
      a.  編輯一個文本文件，錄入要抓取網(wǎng)站地址，并放入一個獨立的目錄中，
如：vi /tmp/test/urls.txt 錄入 http//www.sina.com.cn

      b. 執(zhí)行命令：$HAWK/bin/hawk crawl /tmp/test/ -depth 2 （指定抓取深度為2層網(wǎng)頁）

      
      c. 點擊管理界面上方的“任務(wù)”按鈕，可以監(jiān)控任務(wù)的執(zhí)行情況，如下

       d. 完成后控制臺顯示如下所示：

      5，檢索網(wǎng)頁

 

      a. 在管理界面的搜索框中輸入要檢索的關(guān)鍵詞，點擊“搜索”按鈕，即可查詢到上面
抓取的網(wǎng)頁，如下所示：


      到此基本介紹完了搜索引擎平臺的使用步驟，由于還未完成分詞等模塊，所以相關(guān)性還不
盡入如人意，敬請期待，謝謝！


      作者：naven  2008-02-20