Nutch：获取每个网址的种子网址
我尝试将Nutch配置为图像爬虫，并且已经可以在爬行后获取图像url。 现在，我想获取每个图像网址的种子网址，我该怎么做？ 谢谢你！
I try to configure Nutch as an image crawler and already could get the image urls after crawl.
Now, I want to get the seed url of each image url, how can I do that?
Thank you!
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
尝试从爬网段生成 linkdb（倒排索引），您可能会得到 url 的父级。如果某个 url 有一个父级，那么它将成为该 url 的种子。
阅读此和此 有关命令的帮助。
Try to generate linkdb (inverted index) from the crawled segments and you might get the urls' parents. If there url has one parent, then it will be the seed of that url.
Read this and this for help on commands.