Hawk 搜索引擎平臺是面向中小型網站，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搜索、某個領域的垂直搜索、以及檢索個人文檔以及自己關注的
網站信息的桌面搜索等應用領域。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)可根據語法以及新詞進行分詞的分詞模塊，以及抓取數(shù)據的過濾及優(yōu)化，
索引的消重等方面，以實現(xiàn)可以應用于實際在線產品的版本。
      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。
      c. 修改 $HAWK/conf/hawk-site.xml 文件中的“search.dir”的值為索引數(shù)據存放路徑，如
<property>
  <name>searcher.dir</name>
  <value>/tmp/hawkdb</value>
</property>

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

      3, 訪問
      a. 啟動Hawk服務：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, 抓取網頁
      a.  編輯一個文本文件，錄入要抓取網站地址，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層網頁）

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

       d. 完成后控制臺顯示如下所示：

      5，檢索網頁

 

      a. 在管理界面的搜索框中輸入要檢索的關鍵詞，點擊“搜索”按鈕，即可查詢到上面
抓取的網頁，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，所以相關性還不
盡入如人意，敬請期待，謝謝！


      作者：naven  2008-02-20