安裝了nutch，但是默認的中文分詞只能按照單個漢子分，使用起來十分不方便，於是到處查找資料，終於找到了幾種中文分詞插件，如ictcals，je，paoding，CJK等。
由於je分詞java支持較好，且可以自定義字典單詞，所以最後選用je分詞最爲nutch中文分詞工具，主要步驟如下：
（1）下載je分詞包放到nutch的lib文件夾下
（2） 修改src/java/org/apache/nutch/analysis中的 NutchAnalysis.jj ，將<SIGRAM: <CJK> >改爲:<SIGRAM: (<CJK>)+ >，即從解析單箇中文字符到解析中文字符串，最後用javacc生成7個java文件，並把這7個文件放回到src/java/org /apache/nutch/analysis替換原有文件。
（3） 繼續修改這個文件夾中的NutchDocumentAnalyzer.java，在文件頭加入import jeasy.analysis.*並將原來的
public TokenStream tokenStream(String fieldName, Reader reader) {
Analyzer analyzer;
if (”anchor”.equals(fieldName))
analyzer = ANCHOR_ANALYZER;
else
analyzer = CONTENT_ANALYZER;
return analyzer.tokenStream(fieldName, reader);
}
改爲
public TokenStream tokenStream(String fieldName, Reader reader) {
MMAnalyzer analyzer=new MMAnalyzer();
return analyzer.tokenStream(fieldName, reader);
}
（4） 最後在nutch根目錄下用ant重建工程，可能在NutchAnalysis.java會有ParseExceptio，在相應的Ë 01;置throws掉即可。
（5） 將build文件夾下的nutch-1.0.job替換根目錄下的同名文件，再在build/classes下運行 jar cvf nutch-1.0.jar org ，將生成的nutch-1.0.jar替換根目錄下同名文件。
（6）最後將nutch-1.0.jar和je-analyse-1.5.1.jar複製到tomcat的WEB-INF中的lib文件夾下
（7）重新nutch抓取，重啓tomcat，最後在localhost:8080或者通過luke查看，即可看到中文分詞了
：）：）：）：）
