我已经安装了Linux Ubuntu 12.04，我正在尝试安装nutch 1.5.1和solr 3.6.1，并将主题集成在一起来抓取种子urls。
我正在使用教程来完成这项工作。
我按照3.2之前的步骤操作，跳到，我可以访问
本地主机:8983/solr/admin/
没有错误。
但是，当转到步骤6并将schema.xml从nutch的conf文件夹复制到solr solr/admin页面的example/solr/conf文件夹时，出现java错误，如下所示：
我该怎么处理呢？
还有一件事要问...我还有另一个，看起来不错，但在第一步中，它提到要向/conf/和/runtime
浏览 1提问于2012-07-24得票数 0
我试着在一台Windows机器上测试Nutch2.1。以下命令死亡：
nutch crawl seeds -dir crawl -solr http://somehost:8983/solr -depth 2 -topN 2
...with是几个例外的追溯：
java.net.ConnectionException: Connection refused
GoraException
SQLTransientConnectionException
org.hsqldb.HsqlException
这是与本文相同的问题：
看起来Nutch 2需要安装某种数据库，但在我看到的
浏览 5提问于2012-11-20得票数 1
回答已采纳
我已经在linux系统上安装了Nutch。当我进入'bin‘目录并运行./nutch时，它显示如下-
Usage: nutch COMMAND
where COMMAND is one of:
crawl one-step crawler for intranets (DEPRECATED - USE CRAWL SCRIPT INSTEAD)
readdb read / dump crawl db
mergedb merge crawldb-s, with optional filtering
read
浏览 0提问于2014-03-11得票数 0
我第一次安装了纳奇。安装和安装似乎相当顺利。我让它在Windows 7上运行，我为nutch安装设置了类路径。在看到下面显示的错误(缺少主类)后，我麻烦地拍摄了一段时间的设置。
C:\Users\Public\PublicApps\apache-nutch-1.12>nutch.bat crawl urls -dir crawl -depth 1 > crawl.log Error: Could not find or load main class org.apache.nutch.crawl.Crawler
最后，我搜索了nutch jar文件。我在任何地方都看不到org.ap
浏览 12提问于2016-10-26得票数 0
回答已采纳
我想在我的Windows7 x64上运行Nutch。我有来自的Nutch版本1.5.1和2。
我在上使用了这个教程。但是我在第二步搞砸了，我无法验证安装。其他步骤很难理解...
安装和使用nutch的步骤是什么？
浏览 0提问于2012-07-14得票数 1
我一直在为从perl启动java进程而苦苦挣扎。问题的根源是java进程缺少导致ClassNotFoundException的JAVA_HOME环境变量。
我从使用IPC::Run3开始，因为它相对优雅地重定向了STDIN/STDOUT.
假设IPC::Run3将使用%ENV，我尝试添加$ENV{JAVA_HOME}。
当那不起作用的时候，我试着做system()。这不起作用，所以最后，我使用system("JAVA_HOME=/path/to/java && /path/to/java_program");使其起作用
下面是我的测试程序。当然，我会取消注释适当
浏览 1提问于2012-02-17得票数 0
回答已采纳
首先，我是一个Nutch/Hadoop新手。我已经安装了Cassandra。我已经在EMR集群的主节点上安装了Nutch。当我尝试使用以下命令执行爬网时：
sudo bin/crawl crawl urls -dir crawl -depth 3 -topN 5
我得到了
Error: JAVA_HOME is not set.
如果我运行该命令而不使用'sudo‘，我会得到：
Injector: starting at 2014-07-16 02:12:24
Injector: crawlDb: urls/crawldb
Injector: urlDir: crawl
Inj
浏览 4提问于2014-07-16得票数 0
4回答
我想在linux内核上运行nutch，我已经注册为root用户，设置了所有的环境变量和nutch文件设置。我已经创建了一个url.txt文件，当我试图使用以下命令运行nutch时，该文件包含要爬行的url。
bin/nutch crawl urls -dir pra
它会生成以下异常。
crawl started in: pra
rootUrlDir = urls
threads = 10
depth = 5
Injector: starting
Injector: crawlDb: pra/crawldb
Injector: urlDir: urls
Injector: Converting
浏览 0提问于2009-12-28得票数 4
回答已采纳
我正在AIX机器上安装Apache nutch 1.11二进制发行版。在解压/usr目录下的压缩文件"apache-nutch-1.11-bin.zip“之后。我只是尝试按照中的指令运行bin/nutch命令
我收到以下异常: bin/nutch:未找到
我使用root用户，并尝试运行"chmod +x bin/nutch“来获取权限。
有没有人能帮我理解一下我在这里错过了什么？提前谢谢。
浏览 0提问于2016-06-20得票数 0
我们正在尝试找出哪个Linux发行版最适合Nutch-Hadoop集成？我们计划使用集群来抓取Nutch中的大型内容。如果你需要更多关于这个问题的澄清，请告诉我。
谢谢你。
浏览 2提问于2010-06-01得票数 2
我试着从Nutch (v 1.7)和Solr (v4.3.1)开始。我正在学习本教程：
我对感到困惑，在那里我被告知要将Nutch模式文件复制到Solr的目录中。
6.将Solr与Nutch集成
我们同时安装和安装了Nutch和Solr。Nutch已经从种子URL创建了爬行数据。下面是将搜索委托给Solr查找可搜索链接的步骤：
cp ${NUTCH_RUNTIME_HOME}/conf/schema.xml ${APACHE_SOLR_HOME}/example/solr/conf/
问题是${APACHE_SOLR_HOME}/example/solr/conf/不存在。/examp
浏览 13提问于2013-07-10得票数 3
回答已采纳
当我执行nutch命令来创建crawldb文件夹和内容时：
soporte@CNEOSYLAP /usr/local/apache-nutch-2.2.1/runtime/local
$ bin/nutch crawl urls -dir crawl -depth 3 -topN 5
我得到了这个错误：
InjectorJob: Using class org.apache.gora.hbase.store.HBaseStore as the Gora storage class.
Exception in thread "main" org.apache.hadoop.map
浏览 1提问于2013-07-31得票数 1
我在Oracle Virtualbox上安装了Ubuntu 14.04 (32位)。我正在寻找这个虚拟机的Solr和Nutch的兼容版本。以及有关安装Solr和Nutch的说明。谢谢。
浏览 0提问于2014-09-25得票数 0
1回答
我正在努力让nutch 1.3和solr 3.1一起工作。
注意:我正在使用Windows，并安装了Cygwin。
我安装了nutch并进行了基本的爬行(从运行时/本地运行)
bin/nutch爬行urls -dir爬行-depth 3
这似乎是基于日志(crawl.log) .LinkDb: 2011年完成-10-24 14:22:47，运行时间: 00:00:02爬行完成:爬行
我已经安装了solr，并通过localhost验证了安装:8983/solr/admin
我将nutch schema.xml文件复制到示例\solr\conf文件夹中
当我运行以下命令时
bin/nutch
浏览 2提问于2011-10-24得票数 2
我正在使用Java openjdk版本"1.8.0_275“的Red Hat Enterprise Linux release 8.3 (Ootpa)上运行Nutch1.18。
我正在遵循这些方向：
当我进入bin/nutch fetch $s1的步骤时，每次获取都会失败。请参阅下面hadoop日志中的错误示例。使用java.lang.NumberFormatException时，它们都失败了。我可以使用curl来检查curl是否可访问以及它们是否可访问。
任何建议都将不胜感激。
at java.lang.NumberFormatException.forInputString
浏览 7提问于2021-03-16得票数 0
1回答
我试图理解Nutch 1.x和Nutch 2.x之间的区别，如果我只是尝试使用Nutch爬行几百个网站，然后将数据索引到Elasticsearch v2.3.0
据我所知，主要的区别似乎是Nutch2.x可以使用多个后端(Elasticsearch、MongoDB、HBase、Cassandra?等)来存储数据。
但是，如果我不需要多个后端(只想将数据索引到ES)，那么我甚至需要担心Nutch2.x吗？
Nutch 2.x的一些用例是什么？为什么使用Nutch2.x的搜索应用程序需要多个后端(例如弹性搜索和MongoDB )？什么样的应用程序需要Nutch2.x将数据发送到多个后端？
我有Nu
浏览 3提问于2017-05-18得票数 0
回答已采纳
2回答
我是Nutch的新手。我已经安装了Nutch2.3，并让它工作到注入种子urls ($ Nutch _ROOT/运行时/本地/bin/nutch注入file:///path/to/seed/). )。
当我执行下一个命令时：$NUTCH_ROOT/runtime/local/bin/nutch生成-topN 10
我知道这个错误：
GeneratorJob: starting at 2016-02-09 23:31:01
GeneratorJob: Selecting best-scoring urls due for fetch.
GeneratorJob: starting
Generat
浏览 0提问于2016-02-10得票数 2
有没有人尝试在Windows上安装Nutch？我遵循下面的安装指南：
在几个颠簸之后，我被困住了，试图运行爬虫。它给出了这个错误：
bin/nutch:第15行:在/nutch:第15行：'case "'uname'“in \r‘’中意外标记‘$’附近出现语法错误
显然我需要在cygwin中安装uname实用程序，但我在任何地方都找不到它。有没有人知道它在哪个包中，或者是否有其他方法来解决这个问题？
浏览 0提问于2009-02-13得票数 2
回答已采纳
我正在与Hadoop、Cloudera和HBase一起使用Linux。
你能告诉我如何纠正这个错误吗？
错误：could to find or load main class org.apache.nutch.crawl.InjectorJob
以下命令给出了错误：
src/bin/nutch inject crawl/crawldb dmoz/
如果你需要任何其他信息，请找我。
浏览 4提问于2015-03-09得票数 8
我的问题是从某个种子列表开始抓取每个页面和每个文档。
我已经安装了nutch，并使其使用以下命令运行：
bin/nutch crawl urls -solr http://localhost:8983/solr/ -depth 3 -topN 5
我预计nutch进程会抓取大约100个url，但它说只找到了11个文档。因此，我尝试使用以下命令运行nutch：
bin/nutch crawl urls -solr http://localhost:8983/solr/ -depth 3 -topN 4
它找到了23个文档。
我从测试种子开始运行进程
为什么nutch会有这种行为？如何设置nutc
浏览 1提问于2012-07-16得票数 3
回答已采纳
1回答
我已经在Ubuntu12.04中安装了Nutch 2.2.1，但是在执行命令时。/nutch crawl -topN / -dir download/ nutch 3 urls 5
我得到以下错误：-
InjectorJob:使用类org.apache.gora.memory.store.MemStore作为Gora存储类。InjectorJob:被筛选器拒绝的urls总数:0 InjectorJob:规范化和筛选后注入的urls总数:0线程"main“中的异常java.lang.RuntimeException:作业失败: name=generate: null，org.apache
浏览 1提问于2014-01-13得票数 0
我正在我的centOS虚拟机上安装nutch2.2.1，在注入种子urls(目录名)时出现错误。我使用了这个命令：
/usr/share/apache-nutch-2.1/src/bin/nutch inject root/apache-nutch-2.1/src/testresources/testcrawl urls
我得到了一个错误：
Error: Could not find or load main class org.apache.nutch.crawl.InjectorJob
类似地，对于命令
/usr/share/apache-nutch-2.1/src/bin/nutch r
浏览 1提问于2014-02-06得票数 1
2回答
你好，我在Ubuntu上安装了solr和nutch。我能够爬行和索引偶然，但不是所有的时间。我不断地收到这个路径错误，并且在网上找不到解决方案。通常，我会删除有错误的目录并重新运行，它会运行得很好。但我不想再这样做了。导致该错误的原因是什么？谢谢。
LinkDb: adding segment: file:/home/nutch/nutch/runtime/local/crawl/segments/20111027231916
LinkDb: adding segment: file:/home/nutch/nutch/runtime/local/crawl/segments/20111027
浏览 0提问于2011-10-28得票数 2
1回答
在一天后爬行与纳奇(1.4) ..。最后，我得到了坏的例外：
.
.
.
-finishing thread FetcherThread, activeThreads=0
-activeThreads=0, spinWaiting=0, fetchQueues.totalSize=0
-activeThreads=0
Fetcher: java.io.IOException: Job failed!
at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1252)
at org.apache.nutch.fet
浏览 4提问于2012-02-15得票数 0
我计划使用nutch和solr构建一个网络爬虫。我想知道我应该安装哪个版本的hadoop才能与nutch 1.15一起工作。
浏览 7提问于2019-01-09得票数 1
1回答
我正在试验Apache 1.7和Solr在Ubuntu 14.04 x64 (AMD) LTS上，当我尝试运行Nutch时，它给出了以下错误信息：
错误:未设置JAVA_HOME。
但是，当我在终端上输入echo $JAVA_HOME命令时，它给出了以下路径：
下面你可以看到我一步一步地做了什么。我怎么才能解决这个问题？
*ps：Ubuntu是一台虚拟机，它在Mac上运行着Oracle VirtualBox。
用sudo apt-get -y安装openjdk-7-jdk在终端上嵌入java
使用java -version命令检查java安装
将JAVA_HOME设置为：
浏览 5提问于2014-08-13得票数 1
我的Ubuntu上安装了Nutch 1.13。我可以在独立模式下运行爬行。它成功地运行并产生了所需的结果，但是我现在不知道如何在hadoop中运行它？我在伪分布式模式下安装了Hadoop，我想用Hadoop运行一个Nutch爬行并监视它。我该怎么做呢？在独立模式下运行它有很多教程，但我找不到任何关于如何在Hadoop中运行它的明确说明，只是在用ant构建它之后，我必须使用"Nutch作业“。
谢谢你的帮助。
浏览 1提问于2017-12-22得票数 0
回答已采纳
我必须使用apache nutch设计一个基于Java/Java EE的搜索引擎。我在互联网上搜索过，我找到了许多关于apache nutch安装的文章，但没有找到任何关于java程序访问或控制apache nutch进行爬行的文章/教程。
浏览 1提问于2013-06-14得票数 4
2回答
现在我有一个项目，其中我需要建立一个搜索引擎，但我不能使用Solr，只有nutch和lucece，虽然我搜索论坛等，我发现很多人说nutch做索引，我安装了nutch (1.4)和爬行数据，但意识到我没有索引文件夹或类似的东西，只有爬行的数据。所以，问题是，nutch是否真的索引它抓取的内容，或者它需要Lucene来索引和搜索？
PS。对于这个项目，我不能使用Solr，只能使用纯nutch和lucene，我需要使用Java构建所有的东西，所以当人们说nutch实际上是索引的时候，我真的很困惑……很抱歉我的英语不好，这不是我的母语…
浏览 4提问于2013-08-07得票数 0
我正在尝试使用HBase 0.94.14在Debian Squeeze上安装Nutch2.2.1。我仔细阅读了Nutch 1和Nutch 2教程以及各种文档。我可以构建HBase 0.94.14，并最终使其正常工作(我可以创建表等)。我可以毫无问题地构建Nutch (它是在Gora 0.3上设置的)
现在的问题是: 1-当尝试启动Nutch时，我得到以下跟踪：
./nutch inject /root/nutch/apache-nutch-2.2.1/urls/
InjectorJob: starting at 2014-11-27 09:43:53
InjectorJob: Injectin
浏览 3提问于2014-11-27得票数 0
我想和Cygwin一起竞选Nutch。我在设置JAVA_HOME时遇到了问题。
$ export JAVA_HOME='/cygdrive/f/program files/java/jdk1.6.0_21'
当我运行nutch命令
$ bin/nutch crawl
我得到了
cygpath: can't convert empty path
bin/nutch: line 268: /cygdrive/f/program: No such file or directory
bin/nutch: line 268: exec: /cygdrive/f/program
浏览 3提问于2012-02-19得票数 6
回答已采纳
我只是按照教程从安装Nutch。
已下载Nutch 2.x src并设置所有配置。当我刚开始爬行的时候，问题就出现了。当我运行这段代码时：bin/nutch inject crawl/crawldb urls我得到了这样的错误信息：Unrecognized arg urls我只是遵循了教程中的所有步骤，创建了目录，更改了配置文件等。我还查询到apache-nutch-2.x/bin/nutch inject crawl/crawldb urls/local/中没有crawldb目录是自动生成的还是需要手动生成的？对这个问题的任何帮助都将不胜感激。
浏览 15提问于2016-09-07得票数 3
回答已采纳
Apache Nutch 1.2不会索引整个网站，只会对子文件夹进行索引。我的索引页面提供了我网站大部分区域/子文件夹的链接。比如东西，学生，研究...但nutch只在一个特定的文件夹中爬行-在这种情况下是“学生”。似乎其他目录中的链接没有被遵循。
爬网-urlfilter.txt：+^
URL文件夹中的seed.txt：
启动-depth (同时使用windows/linux)：nutch crawl "D:\Programme\ nutch -1.2\URLs“-dir "D:\Programme\nutch-1.2\crawl”windows 10 -topN 10000
浏览 2提问于2011-02-14得票数 1
我尝试使用HBase作为Gora的存储后端来运行Nutch2.0。我遵循本教程：http://wiki.apache.org/nutch/Nutch2Tutorial和got java.lang.NoClassDefFoundError；本教程还通过“将库从已安装的HBase目录复制到构建库目录中”介绍了此错误，但我不知道到底需要复制哪个hbase测试jar。如果有人在HBase上成功运行了Nutch2.0，请告诉我需要复制哪个jar文件。非常感谢。(对不起，我的英文写作能力)
浏览 1提问于2013-05-06得票数 2
2回答
我试图用“ApacheNutch1.4”索引一个站点，当我运行下面的命令时，会出现以下错误"java.io.IOException:作业失败“
bin/nutch solrindex http://localhost:8983/solr/ crawl/crawldb -linkdb crawl/linkdb crawl/segments/*
我安装了"Tomca6“和”ApacheSolr3.5.0“，以便与Nutch一起工作，但不幸的是无法工作。
仿真
root@debian:/usr/share/nutch/runtime/local$ bin/nutch solrinde
浏览 1提问于2012-03-28得票数 2
我想学习Apache Nutch，并且我在Amazon Web Services (AWS)有一个帐户。我在AWS有三台机器，其中一台是微型的，另一台是小型的，另一台是中型的。我想从小尺寸开始，我将在上面安装Nutch，Hadoop和Hbase。我的机器上有Centos 6。
这里有一个问题，但我没有问：
我想知道哪种方法更好。我想把它们安装在小型机器上。在那之后，我想添加微尺寸。另一方面，我没有任何关于Nutch的经验，也许我应该在本地工作，或者有没有可能同时使用我的机器和AWS (收费更高，即从AWS复制数据可能会收费)。
当我想要在我的Nutch中实现一个包装器时，我是否应该将它安装在我
浏览 4提问于2013-03-08得票数 0
回答已采纳
我是新来的纳奇。当我安装nutch时，我被困在“${NUTCH_RUNTIME_HOME}”行中，以引用当前目录(apache 1.X/)。然后如何将变量名分配给当前目录？
浏览 5提问于2016-01-01得票数 0
回答已采纳
我已经安装了完全分布式Hadoop1.2.1。我试图将nutch与以下步骤结合起来：
下载apache-nutch-1.9-src.zip
将值http.agent.name添加到nutch-site.xml中
将hadoop-env.sh、core-site.xml、hdfs-site.xml、mapred-site.xml、masters、slaves复制到$NUTCH_HOME/conf
使用ant runtime编译
创建urls/seed.txt并放到hadoop上
编辑$NUTCH_HOME/conf/regex-urlfilter.txt
使用命令
浏览 2提问于2014-09-08得票数 3
2回答
我已经安装了用于网络爬行的apache nutch。我想抓取一个有以下robots.txt的网站
User-Agent: *
Disallow: /
有没有办法用apache nutch抓取这个网站？
浏览 1提问于2012-08-07得票数 1
回答已采纳
我已经在Windows上安装了Apache，我试图让它运行一个简单的爬行，但是我有以下错误：
$ bin/crawl urls crawled 3
Injecting seed URLs
/cygdrive/c/Users/Simon/OneDrive/apache-nutch-1.11-bin/apache-nutch-1.11/bin/nutch inject crawled/crawldb urls
Exception in thread "main" java.lang.NoSuchMethodError: org.apache.commons.cli.OptionBu
浏览 3提问于2016-06-14得票数 1
回答已采纳
我已经在Ubuntu16.04上安装并运行了ElasticSearch 5.3.2，我想使用Nutch来抓取网站。我已经编译了Nutch 2.3.1，并让它成功地抓取了一个网站，但是当我将它索引到Elastic中时，我得到了错误。
命令：
bin/nutch索引-all
输出：
在/var/logs/elasticsearch/elasticsearch.log文件中，我收到以下消息：
有没有人知道这个错误意味着什么以及如何修复这个问题？Thx
浏览 4提问于2017-04-29得票数 1
我已经安装了Drupal7和apache solr搜索模块，并配置了Apache Solr(solr版本:4.10.4)。我需要配置Nutch(Apache Nutch Version:1.12)网络爬虫到apache solr和Drupal7，并从特定的网址(例如：)获取详细信息，并需要在drupal中搜索内容。我的问题是如何配置所有这三个solr nutch和Drupal7。有谁能提供解决方案吗？
浏览 1提问于2016-11-07得票数 0
我已经在CentOS Linux7.3.1611版本上集成了nutch 1.13和solr-6.6.0，我在种子列表中给出了大约10个urls，即/usr/local/apache-nutch-1.13/urls/seed.txt，我使用的命令是
/usr/local/apache-nutch-1.13/bin/apache -i -D solr.server.url=httpxxx:8983/solr/nutch/ /usr/local/apache-nutch-1.13/url 100
好像要跑一两个小时。在solr中得到了相应的结果。但是在爬行阶段，很多urls似乎都是在终端
浏览 3提问于2017-10-12得票数 0
我正试着在我的Windows机器上运行Nutch。我安装了Nutch、Java、Tomcat和Cygwin。当我尝试在Cygwin中运行crawl命令时，我得到以下错误：
java.lang.NoClassDefFoundError: org/apache/nutch/crawl/Crawl
Caused by: java.lang.ClassNotFoundException: org.apache.nutch.crawl.Crawl
at java.net.URLClassLoader$1.run(URLClassLoader.java:202)
at java.secur
浏览 0提问于2010-12-03得票数 1
回答已采纳
他，我有一个基于Hadoop的集群。我成功地使用了Nutch 1.15，并抓取了一些urls。我已经安装了Solr 7.3.1，并且我喜欢使用Cloud one，所以当我使用以下命令运行SOlr时：
./solr-7.3.1/bin/solr start -c
我还在nutch-site.xml中设置了一些solr变量：
<property>
<name>solr.serv
浏览 0提问于2018-10-07得票数 0
1回答
我在Linux上使用Nutch 1.9和Solr 4.10。我需要抓取和索引的大网站的内容，并希望这样做使用单独的Solr核心。下面是Nutch配置作为cronjob的一部分..。
./bin/crawl conf/core0urls crawl http://solrhost:8085/solr/core0 1
./bin/crawl conf/core1urls crawl http://solrhost:8085/solr/core1 2
我为上面的事情准备了一分钟的时间。有人能在下面帮我吗..。
我想知道对core0来说，1是什么意思，对于core1，2是什么意思？
我使用se
浏览 1提问于2016-01-22得票数 0
1回答
我已经在Hadoop(2.5.2)多节点集群(AWS EC2机器)之上安装了ApacheNutch2.3.1。我已经相应地配置了Nutch文件(在主节点上)。我已经将seed.txt文件(它有要爬行的urls )从主文件系统移到Hdfs文件系统。现在，我运行以下命令来爬行，
/home/ubuntu/nutch/runtime/deploy/apache-nutch-2.3.1.job bin/hadoop jar org.apache.nutch.crawl.Crawl urls -dir爬行-depth 1 -topN 5
我搞错了，
Exception in thread "ma
浏览 0提问于2017-12-09得票数 0
我是nutch和solr公司的新人。
我想爬行新的urls，所以我在ubuntu.First中安装了SolrVersion4.6.0和NutchVersion1.6，我从一些配置开始，但是我仍然得到了这个错误：
org.apache.hadoop.mapred.InvalidInputException:输入路径不存在: File:/home/cloudera/apache-nutch-1.6/bin/20150529030452/crawl_fetch
输入路径不存在:文件:/home/cloudera/apache 1.6/bin/20150529030452/爬行解析
输入路径不存在:
浏览 2提问于2015-05-29得票数 0
2回答
我已经在CentOS Linux7.3.1611版上集成了nutch 1.14和solr-6.6.0。我在种子列表中给出了大约10个urls，该列表位于/usr/local/apache-nutch-1.13/urls/seed.txt。我遵循
[root@localhost apache-nutch-1.14]# bin/nutch dedup http://ip:8983/solr/
DeduplicationJob: starting at 2018-01-09 15:07:52
DeduplicationJob: java.io.IOException: No FileSystem f
浏览 11提问于2018-01-09得票数 1
1回答
如何使用Solr对爬行nutch获得的文档进行语言识别？
我安装了Nutch 1.9和Solr 4.8.1。我在solr页面中通过core向Solr添加了一个名为"core-test"的新核心，并在文档索引期间遵循了中的语言检测步骤。
我通过添加字段来修改核心测试/conf中的schema.xml。
<field name="language_s" type="string" stored="true" indexed="true"/>
然后，我用Nutch爬行了一组web页面
crawl seed.t
浏览 0提问于2015-05-19得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
