如何记录 nutch 插件的执行
我正在努力构建具有特殊要求的自定义 nutch 插件。 我发现 hadoop.log 中提到了我的插件，但它不相关。 我在代码的不同位置添加了 LOG.debug("test") …
nutch 无法成功解析内容
我尝试使用 nutch 1.4 进行爬网，但我在解析时遇到错误，这是日志文件： 2012-01-09 09:12:02,696 INFO parse.ParseSegment - ParseSegment: starting…
使用CrawlDbReader读取Nutch爬行数据
我正在使用nutch 1.4来实现一个专注的爬虫。谁能告诉我如何在我的 JSP 程序中使用 nutch CrawlDbReader、LinkDbReader 和 SegmentReader API 以便我可…
使用 Nutch 获取特定的 HTML 标签
我会很详细地明确说明问题，所以请耐心等待:) 假设我有以下基本 URL： http://www.amazon.com/gp/goldbox/all-deals?ie=UTF8&type=bd 其中列出了一些…
Apache nutch：在解析之前操作 DOM
我想在页面响应被处理之前删除特定元素。 具体来说，我想用 ie 标记我的页面的一部分 I shall not be indexed ，并想在 nuch 解析之前删除它们，这样…
Nutch 1.4 与 Solr 3.5 http.agent.name 属性集成
我一直在尝试使用 Solr 设置 Nutch，但出现以下异常 Fetcher：“http.agent.name”属性中未列出代理。 线程“main”java.lang.IllegalArgumentExcepti…
Solr：我已设置“hl=true”，但没有输出任何摘要
我需要从查询词匹配的文档中获取片段，以便能够输出类似于网站 URL 下的 Google 片段的结果。例如： 片段 - 维基百科，免费的百科全书 en.wikipedia.o…
Nutch 爬虫未对 HTML 内容建立索引
我正在尝试开发一个搜索功能，在其中输入城市名称，它会为我提供该城市的天气状况。 我已经在我的系统上设置了 Nutch-1.3 和 Solr-3.4.0。我正在爬行…
nutch 1.3 中的 topN 是什么？
我在网站上读到，nutch 从每个链接获取链接都等于 topN。我有 4 个链接，但是当 nutch 抓取我的链接时，nutch 返回的所有结果都等于 topN。这意味着如…
