在OpenSearchServer搜索结果中获取缩略图

Question

我需要替代谷歌自定义搜索我所关注的网站，它必须是抓取网站，索引它，允许摆弄优先级，然后通过REST或类似的东西允许搜索查询并返回XML的东西或者JSON等。它需要在Windows Server实例上运行。

所以，我使用http://www.opensearchserver.com/启动并运行它似乎可以解决这个问题，但是对于我的生活，我不知道如何在结果中获取缩略图图像？我已经搜索过文档并阅读了所有内容，但无法了解如何执行此操作（或如何解决问题）。

我正在抓取标准网页并且他们都有缩略图元数据，我假设应该能够以某种方式解析结果并包含在JSON结果中？

任何指针都非常有用，谢谢！

Answer 1

我想到了这一点，万一其他人在挣扎，这就是我的表现。答案是在文档中，它只是 简单。

阅读：http://www.opensearchserver.com/documentation/faq/crawling/how_to_extract_specific_information_from_web_pages.md - 它包含方法

假设您设置了“网络抓取工具”索引。

假设您正在使用这样的元缩略图：

<meta name="thumbnail" content="http://my_cdn.com/news/images/29637.jpg">

进入Schema / Fields。添加一个名为'thumbnail'的新字段，索引号为no，store yes，vector no，analyzer text，blank of blank。保存。

现在转到架构/解析器列表，编辑HTML解析器。转到“字段映射”，现在为html中的缩略图添加一个新的正则表达式。我们使用匹配的正则表达式从'htmlSource'映射到缩略图'。

我的不完美正则表达式（虽然有效）是：

htmlSource - ＆gt;链接：缩略图 - ＆gt;被捕获：

(?s)<meta name="thumbnail" content="(.*?)">

现在保存此内容并转到抓取/手动抓取，输入一个包含缩略图的网址，然后检查该字段现在是否在下面的列表中显示。如果没有检查你的正则表达式，并检查你实际保存了HTML解析器更改。

要获得结果中的大拇指，只需将字段名称添加到随查询发送的JSON中：

"returnedFields": [ "
    "url",
    "thumbnail"
],