Nutch插件开发

首先说明的是这个文章只是我实现一个Nutch插件的过程，至于Nutch插件机制的介绍就不在此说明，网上有很多关于Nutch插件机制的文章，可以自己查找。

实现Nutch插件，可以参考Nutch中自带的插件的配置方法，我这里实现的插件是index-field，是主要功能是在索引中加入几个字段，以满足我们业务的需求。下面介绍实现过程：

1. 插件src的目录结构

插件的源码文件一般放在src/plugin下，目录名通常与插件的id同名，以避免在增加插件时搞错插件的id。本例中中文分词插件的id为analysis-zh，为保持与nutch其它插件目录结构统一，则目录结构安排如下：

index-field

├─src/plugin/index-field/src/java 

│ └─FieldIndexFilter.java

├─plugin.xml

├─build.xml

这里plugin.xml为插件的配置文件，用于指定插件所依附的扩展点。

实现过程：

A．在Nutch的工程根目录下添加一个文件夹命名问src/plugin/index-field/src/java ，然后将上面已经实现的插件index-basic的文件下的build.xml和plugin.xml文件赋值到index-field目录下。如图1

2. Eclipse工程设置

创建上述文件后，需要通过Eclipse中的Java Build Path → Source → Add Folder，把index-field的src目录加进来，这里是index-field/src/java。

添加完成之后，在nutch的插件中会看到

这说明你的工程设置正确，然后在这个目录下面创建我的org.apache.nutch.indexer.field. FieldIndexingFilter插件类。这个类实现IndexingFilter接口。（至于为什么，可以查阅插件扩展点extensionpoints的说明）

3. 需要修改的配置文件

图1中的两个xml文件 要修改

build.xml修改

<proje ctname="index-field" default="jar-core">//只需要将name值改为index-field

  <import file="../build-plugin.xml"/>

</project>

plugin.xml修改

 

<plugin

   id="index-field"   //插件ID

   name="Field Indexing Filter" //插件的名字

   version="1.0.0"

   provider-name="nutch.org">

   <runtime>

      <library name="index-field.jar"> //打包后的包名

         <export name="*"/>

      </library>

   </runtime>

   <requires>

      <import plugin="nutch-extensionpoints"/> 

   </requires>

   <extension id="org.apache.nutch.indexer.field"  //插件的包名

              name="Nutch Field Indexing Filter"

              point="org.apache.nutch.indexer.IndexingFilter"> //扩展点

      <implementation id="FieldIndexingFilter"  //实现扩展点的类 名           class="org.apache.nutch.indexer.field.FieldIndexingFilter"/> //实现扩展点的类

   </extension>

</plugin>

还需要修改另外两个配置文件

文件路径：src/plugin/build.xml

在<target name="deploy">标签下面增加<ant dir=" index-field

" target="deploy"/>

在<target name="clean">标签下面增加<ant dir=" index-field

" target="clean"/>

文件路径：conf/nutch-default.xml

搜索<name>plugin.includes</name>，在<value>部分增加：index-field

这样配置文件就修改完成，只需要给FieldIndexingFilter这个类中添加代码即可，完成之后要用ant编译一下工程目录下的build.xml，原因是文件中<name>plugin.folders</name>标签定义了nutch加载插件的根目录，默认值为plugins，需要用ant编译，用eclipse编译路径不正确，无法把插件导出到plugins下。

 这次这个插件开发完成，在执行index的时候，截图如下，可以看到FieldIndexingFilter已被加载。