现在我正在抓取像ebay for cars这样的网站，www.standvirtual.com
在我的nutch regex-urlfilter.txt + ^ http://([a-z0-9] *。）* standvirtual.com/carros/anuncios/这样只是抓取汽车的广告，但是像这样的nutch将索引整个内容页面，我只想索引该页面的特定部分，如添加标题，描述等...
例如： 让我们想象一下这款游戏的标题是奥迪a3 2.0cc 和奥迪a3 2000cc与交流，柴油...
答案 0 :(得分：0)
您必须覆盖parsefilter并使用Jsoup选择器选择要爬网和索引的部分。 看看这个https://stackoverflow.com/a/38854219/5676586