NutchConfiguration 类中的初始化
public static Configuration createCrawlConfiguration() {
Configuration conf = new Configuration();
addNutchResources(conf, true);
return conf;
}
调用
NutchConfiguration 中的
private static Configuration addNutchResources(Configuration conf,
boolean crawlConfiguration) {
conf.addResource("nutch-default.xml");
if (crawlConfiguration) {
conf.addResource("crawl-tool.xml");
}
conf.addResource("nutch-site.xml");
return conf;
}
nutch 的配置文件加载顺序如果后面的会覆盖前面的相同的配置
比如在RegexURLFilter 中
// Inherited Javadoc
protected String getRulesFile(Configuration conf) {
return conf.get("urlfilter.regex.file");
}
crawl-tool.xml 中的会覆盖nutch-default.xml 的urlfilter.regex.file 中的文件
crawl-urlfilter.txt
public static Configuration createCrawlConfiguration() {
Configuration conf = new Configuration();
addNutchResources(conf, true);
return conf;
}
调用
NutchConfiguration 中的
private static Configuration addNutchResources(Configuration conf,
boolean crawlConfiguration) {
conf.addResource("nutch-default.xml");
if (crawlConfiguration) {
conf.addResource("crawl-tool.xml");
}
conf.addResource("nutch-site.xml");
return conf;
}
nutch 的配置文件加载顺序如果后面的会覆盖前面的相同的配置
比如在RegexURLFilter 中
// Inherited Javadoc
protected String getRulesFile(Configuration conf) {
return conf.get("urlfilter.regex.file");
}
crawl-tool.xml 中的会覆盖nutch-default.xml 的urlfilter.regex.file 中的文件
crawl-urlfilter.txt