Nutch
xelloss_cn
这个作者很懒,什么都没留下…
展开
-
nutch nutch-site.xml
1. nutch-site.xml的变更不需要重新ant, 与ycs的说法有误 2. nutch-site.xml中的 http.agent.name Mozilla/5.0 (Windows NT 6.1; rv:20.0) Gecko/20100101 Firefox/20.0 HTTP 'User-Agent' request header. MUST NOT be...2013-05-05 17:30:15 · 185 阅读 · 0 评论 -
关于Nutch Plugin 配置心得
Nutch的plugin开发一些心得,现在对此进行纪录。我现在要对hmtl中anchor中一些判断 1. 首先分析要对什么进行过滤。经过查看原代码。判断需要对org.apache.nutch.parse.HtmlParseFilter进行extension. 2. 对于 parseResult进一步的filter. 3. 在分析过程中, 先对 HtmlParse.java中的 ...原创 2013-06-02 13:45:00 · 152 阅读 · 0 评论