如何在 apache nutch 中获取每个 URL 的 anchorText 以编写新的scoringFilter 插件？

Question

我是 Apache Nutch 的新手，所以我花了很多时间搜索它。 我需要获取 Apache Nutch 中每个 url 的父页面的锚点。我阅读了有关保存每个 URL 数据的 LinkDatum、LinkDB 和 Inlink，但我不知道如何使用这些类为新的 ScoringFilter 添加插件。 任何帮助将不胜感激。

Answer 1

您将从外链接中获取锚文本。 outlink.getToUrl() 将 url 作为字符串提供，outlink.getAnchor() 将提供锚文本。