hero_quan的专栏

1.      首先，在src/plugin文件夹里建一个目录，这个目录就等于一个插件，在这里我们命名为urlFilter。2.      建立两个文件加一个目录。Build.xml：ant编译的时候，要用的的文件。Plugin.xml：这个是用来注册这个插件。Nutch源程序内部会调用这个文件。每个插件都有这个文件。Src/java/*目录：*就是插件源程序的包目录。前面src/java一定要有。例如：你的源程序所在的包是com.plugin，那这个目录就是src/java/com/plugin。

Nutch爬虫将网页爬下来后，分析url的时候确实是会把所有的url给解析出来。但是，如果仔细观察的话，nutch爬虫并不会把所有的解析出来的url传到过滤器里。         查看源码以后发现，nutch爬虫有一个环节里会把很多url给忽略掉。Org.apache.nutch.parse包里的ParseOutputFormat这个类里的getRecordWriter方法里有一个变量叫maxOutlinksPerPage，这个变量就是这一现象的罪魁祸首。原来，nutch爬虫用这个变量规定，解析出来的url

<br />检索：<br /> <br />public static void query(String queryString){<br /> try {<br /> List<String> list = new ArrayList<String>();<br /> Query query = IKQueryParser.parse("name",queryString); <br /> System.out.println(query.toString());<br /> <br />

<br />转帖 ： http://lc0451.javaeye.com/blog/616176<br /> <br />一、 Lucene索引创建和优化 [版本2.9.0以上] <br /><br />Lucene索引的创建首先需要取得几个必须的对象： <br /><br />1、分词器//可以采用其他的中文分词器 <br />StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);//分词器 <br /><br /

以前用lucene的高亮显示都没有问题，在修改代码进行时间范围内关键字查询的时候突然报错 java.lang.NoClassDefFoundError: org/apache/lucene/index/memory/MemoryIndex 百度之后发现解决办法是 添加lucene-memory-3.0.2.jar这个包，特此记录。 

<br /><br />//query为查询条件组合<br />SimpleHTMLFormatter simpleHTMLFormatter = new SimpleHTMLFormatter("<span style=/"color:red;/">", "</span>");   <br />Highlighter highlighter = new Highlighter(simpleHTMLFormatter, new QueryScorer(query)); <br />highlighter.s

安装PPT: http://download.csdn.net/detail/hero_quan/4673329 1.       首先，要下载Cygwin，下载地址：http://www.cygwin.com/setup.exe。安装完成后，一定要配置系统变量，如下所示：   C:/cygwin/bin2.·        File > New > Project >