nutch 0.7 plug-ins 详解

1、nutch 0.7 发布了;
2、nutch 的java源代码包路径改变成了org.apache...
3、yahoo也使用了nutch,并做了很多的工作。 1 2

clustering-carrot2 :
           一个搜索结果类聚的代码框架，目前和Egothor等搜  索引擎结合的很好；
            地址：http://sourceforge.net/projects/carrot2
             相关类：org.apache.nutch.clustering.OnlineClusterer
                            Nutch Online Search Results Clustering Plugin
                            org.apache.nutch.clustering.carrot2
                            Carrot2 Clusterer
creativecommons :
           一个创作共用的工具集合。地址：http://creativecommons.org/ ；
            相关类：
                        org.apache.nutch.parse.HtmlParseFilter
                        HTML Parse Filter
                        org.apache.nutch.indexer.IndexingFilter
                        Nutch Indexing Filter
                        org.apache.nutch.searcher.QueryFilter
                        Nutch Query Filter
index-basic :
                      相关类：
                        org.apache.nutch.indexer.IndexingFilter
                        Nutch Indexing Filter
index-more :
language-identifier : 语言检测工具；
                         相关类：
                           org.apache.nutch.analysis.lang.LanguageParser
                           Nutch language Parser
                           org.apache.nutch.analysis.lang
                           Nutch language identifier filter
                           org.apache.nutch.analysis.lang.LanguageQueryFilter
                           Nutch Language Query Filter

ontology : 一个概念话的规范，主要是针对人工智能的；
                         相关类：
                            org.apache.nutch.ontology.Ontology
                            Ontology Model Loader
parse-ext :
parse-html :
parse-js :     解析js文档
parse-msword : 解析msword文档
parse-pdf : 解析pdf文档
                      相关类：
                         org.apache.nutch.parse.pdf.PdfParser
parse-rss : 解析Rss格式文档
parse-text : 解析text文档
protocol-file :
protocol-ftp :
protocol-http :
protocol-httpclient :
query-basic :
query-more :
query-site :
query-url :
urlfilter-prefix :
urlfilter-regex :