如何在apache nutch中获取每个URL的anchorText以编写新的scoringFilter插件？

Question

我是Apache Nutch的新手，所以我花了很多时间来搜索它。 我需要获取Apache Nutch中每个网址的父网页的锚点。我读到了LinkDatum，LinkDB和Inlink，它们保存了关于每个URL的数据，但我并不确切知道如何使用这些类为新的ScoringFilter添加插件。 任何帮助将不胜感激。

Answer 1

您将从外链获取锚文本。 outlink.getToUrl()将网址设为字符串，outlink.getAnchor()将提供锚文字。