Nutch的可能性

Question

我是nutch的新手，正在使用nutch 1.9。现在我正在一个示例网站上做一些POC（shaadi.com）。我有几个问题，有人可以帮我解决这个问题吗？

1. 我无法访问需要登录身份验证的网址（基于表单），不过我在httpclient-auth.xml，nutch-site.xml以及所有内容中设置了配置。

2. 我知道nutch只会提取网站的全部内容。但是有可能只从网站页面使用nutch获取一些信息，如名字，地址等。 （我认为它更像是刮痧......这就是蟒蛇 scrapy 的作用）

提前致谢。