【发布时间】:2013-02-06 12:17:44
【问题描述】:
我打算做一个小众搜索引擎。我使用 apache-nutch-1.6 作为爬虫,使用 apache-solr-3.6.2 作为搜索器。我必须说,网络上关于这些技术的最新信息非常少。
我遵循本教程http://wiki.apache.org/nutch/NutchTutorial 并在我的 ubuntu 系统上成功安装了 apache 和 solr。我还成功地将种子 url 注入 webdb 并执行爬网。
使用http://localhost:8983/solr/admin的solr接口,我也可以查询爬取的结果。但这是我收到的输出。 .
我在这里遗漏了什么吗,早期的 apache-nutch-0.7 发生了一场战争,它产生了这样一个清晰的 html 输出。 。我如何做到这一点...或者如果有人可以向我指出最新的教程或指南,非常感谢。
【问题讨论】:
-
到目前为止您尝试过什么?你做过任何谷歌(如果不是这样的话)搜索吗?这里有一个非常相似的问题:stackoverflow.com/questions/2411330/…
-
@Oerd:我确实看到了这个问题,经过大量学习和研究后,我发布了我的查询。这篇帖子link 绝对建议使用 xslt,但我想知道这是否是首选方式。
-
xslt 是转换/样式化 xml 文档的标准方法
标签: java solr search-engine nutch