Nutch - Lucene - 捕获页面的内容

Question

我用Java Nutch爬了几页 此外，我在Java中创建了一个带有Lucene的模块，它允许对索引文档执行查询。 我知道我创建了Nutch字段，如网址，重量和标题。但我有兴趣捕获每个页面的内容。我怎么能用Lucene做到这一点并知道我已经用nutch爬了？

谢谢

Answer 1

你需要提供更多关于你想要实现的细节......因为Nutch已经包含了一个Lucene索引，所以我想知道为什么你想要另一个？ Nutch有一个jsp前端，你可以查看，并找到如何查询一些字段内容。有一个缓存系统实现，所以你可以检索页面的缓存数据，但你必须再次解析它并再次索引。