- 博客(1)
- 收藏
- 关注
原创 nutch正文提取分析
nutch中使用的是插件来进行正文提取的,在nutch的源代码中找不到正文提取的源代码。只有在plugins中才有正文提取模块。plugins中调用的是org.w3c.dom的包来进行正文提取的。这是一个用来解析xml的包。 html是xml的一个子集,自然也可以拿它来分析。首先,介绍下什么是dom.DOM stans for Document Object Model.The D
2008-04-15 11:09:00 2272 2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人