Nutch - Lucene - ページのコンテンツを取得する

Question

私はJava Nutchでいくつかのページをクロールしました また、索引付けされたドキュメントで実行クエリを実行できるJavaのLuceneでモジュールを作成しました。 URL、重量、タイトルなどのNutchフィールドを作成したことはわかっています。しかし、私は各ページの内容をキャプチャすることに興味があります。私はLuceneを使ってどのようにそれを行うことができ、私はナッチでクロールしたことを知っていますか？ Nutchのは、すでにあなたが別のものにしたいなぜかしらLuceneのインデックスが含まれているため、あなたは...あなたが達成したいかについての詳細を与える必要が

おかげ

Answer 1

???? Nutchには、見ることができるjspフロントエンドがあり、いくつかのフィールドコンテンツを照会する方法を見つけることができます。キャッシュシステムが実装されているので、キャッシュされたページのデータを取得できますが、再度解析して再度インデックスを作成する必要があります。