請問為什麼我用Nutch爬取不到百度百科和百度文庫裡面的內容？

經過設置我只能獲取到百度百科和百度文庫首頁的一些頁面，可是我想爬取這兩個網站內部的頁面，請問該如何配置？有沒有人有成功的先例？
比如如果想要爬取百度文庫裡面的頁面crawl-urlfilter.txt裡面的正則表達式改如何編寫？
多謝指教！

最佳回答：

nutch1.2在crawl-urlfilter.txt設置站點，1.2以上的版本要在regex-urlfilter.txt中配置。
具體是在accept hosts in MY.DOMAIN.NAME下設置要爬取的站點.
例如：

accept hosts in MY.DOMAIN.NAME

+^http://([a-z0-9]*.)*baidu.com/

在nutch目錄下建個urls文件夾，裡面建個baidu.txt文件，裡面把要爬取的Url放進去。
http://wenku.baidu.com/
然後運行 bin/nutch crawl urls/baidu.txt -dir baidu/wenku -threads 4 -depth 2 -topN 30