Nutch 2解析和外链

Question

我注意到像tika这样的解析插件从内容中提取了外链，但是方法getParse / 2中传递的对象WebPage已经有2个包含outlinks和inlinks的数组。

在getParse和fetch之后提取的区别是什么。

感谢。

Answer 1

网页对象是根据nutch数据库中的信息创建的，在我的例子中是hsql。

在解析过程之后（在方法getParse返回之后）填充网页字段外链（以及其他一些外部链接）。