iteye_10917的博客

网上的某些资料也说了对Heritrix进行扩展定制即可个性化的从网上爬取自己需要的内容，为建立垂直搜索作做好准备。 这里主要扩展FrontierScheduler和Extractor两个class，由于是个demo所以比较简单，由于这些代码仅仅是周日下午和今天晚上抽时间些的，故效率上没有可考虑，比如太多的正则，反射方法构造后应该缓存等，仅供参考 扩展如下： ...

开发环境：ununtu10.04 Eclipse3.6 mysql5.1 tomcat6.0.29 所用技术：Spring3.0+servlet2.5+jsp+jquery+ibatis2.x+lucene3.x+heritrix1.4 [img]http://dl.iteye.com/upload/attachment/316054/fab3d0e4-13ee-3f73-a9d1-6be...

今儿，多喝了几扎，所以更新晚了，废话少说。我看书看资料习惯泛读后精读再精读，所以现在先把泛读所感记下。如果路人，请别见笑！ 本人对搜索引擎的学习是从lucene2.0开始，所以谈谈对lucene暂时了解部分的感悟。 搜索引擎呢，据我所领悟的就是抓取数据（存储、索引、分词）、读取数据（根据不同需求读取或者说分析用户的需求获取数据）。抓取数据就是对...