如何获取nutch+solr爬取和索引的文档的最后修改时间或创建时间？答案

【问题标题】：How to get the last-modified or the creation time of a document crawled and indexed by nutch+solr?如何获取nutch+solr爬取和索引的文档的最后修改时间或创建时间？
【发布时间】：2018-10-15 17:23:28
【问题描述】：

我需要获取nutch+solr爬取和索引的某个内网下文档的最后修改时间或创建时间？我尝试使用 Metadata.LAST_MODIFIED 字段，但它返回 null。一世在显示我的搜索结果时需要它们。 Date 正在返回爬行的日期。我在这方面不是很有经验，所以欢迎任何帮助！非常感谢你。问候，亚历克斯

【问题讨论】：

标签： solr web-crawler document nutch last-modified

【解决方案1】：

很可能，您测试的 URL 没有返回 Last-Modified 响应标头。大多数网页不返回此信息。由于它在您的 Intranet 中，我建议使用一些工具（例如 Chrome 开发者工具的网络监视器）对其进行测试，以查看是否实际返回了标头。

【讨论】：

感谢您的回答。是的，它没有返回，但我可以在模式文件中看到该字段，也可以在为空的 solr（索引）中看到该字段。我现在会对如何查看将 nutch 推入爬网数据库段的数据感兴趣。你知道怎么做吗？
我不确定我是否理解您的问题。如果要查看段中特定页面的元数据，请使用nutch readseg -get。如果您想了解 Nutch 如何决定在哪种情况下写入哪些元数据，您必须查看代码，或者更好的是，调试它。

【解决方案2】：

我在这里找到了一个可能的答案，但并不是我正在寻找的答案，它比这更复杂，但对其他人有帮助： www.ryanpfister.com/2009/04/how-to-sort-by-date-with-nutch/

【讨论】：