= Crawlzilla 2.0 =

 * 近期發現的 Bug / 缺點
   * install 程式不支援無線網卡
   * 升級/反安裝 -> 舊的資料如何保存或移植延續?!(Stateless)
   * Recrawl 進行時必須保留原本的 CrawlDB，等完成後才覆蓋掉。
   * Fix Job 流程忘了刪除 HDFS 的 crawldb ?
{{{
crawler@CrawlzillaServ:~$ /opt/crawlzilla/nutch/bin/hadoop fs -lsr jazz
drwxr-xr-x   - crawler supergroup          0 2012-09-14 21:59 /user/crawler/jazz
drwxr-xr-x   - crawler supergroup          0 2012-09-14 21:59 /user/crawler/jazz/wang
drwxr-xr-x   - crawler supergroup          0 2012-09-14 21:59 /user/crawler/jazz/wang/crawldb
}}}
 * 想法：
   * 套件化(分離 Nutch, Lucene, Hadoop 的部份) - 預設用單機版
   * 與 Solr 結合 -> 與 ElasticSearch 結合？!
   * 與 Carrot2 結合？ 搜尋結果分群分類(Search Clustering)
   * 支援網頁截圖？！(2012-12-04)
     * http://blog.jangmt.com/2009/10/cutycapt.html
     * http://blog.saymoon.com/2009/11/take-snapshot-in-linux-command-line/
     * https://github.com/istvan-antal/CutyCapt
     * http://code.google.com/p/minemine/wiki/WebPageGrabber

 * 套件相依:
   * bc
{{{
480:      large16=$(echo "$JAVA_version >= 1.6" | bc)
}}}
   * dialog
   * expect
   * lsb_release
{{{
./install: line 593: expect: command not found
./install: line 968: lsb_release: command not found
}}}

 * 過去有人提報過的 Nutch Debian 套件 WNPP
   * http://lists.debian.org/debian-wnpp/2006/02/msg00225.html

 * 有人問我說抓抓龍與商業版的龍捲風有何優勢？！
   * http://www.tornado.com.tw/gov/ts