nutch

1Hitze

2Antwort

Wie definiere ich die Coverage meines Nutch Crawl?

Ich habe in den letzten zwei Wochen eine Website gesammelt/gecrawlt. Ich habe die crawl Befehlseinstellung 100 Iterationen verwendet. Der Prozess ist gerade beendet. Wie kann ich die Abdeckung der gec

0Hitze

1Antwort

Apache nutch zum Index zu solr über REST

Neuling in Apache Nutch - Schreiben eines Clients, um es über REST zu verwenden. in allen Schritten (INJECT, FETCH ...) gelingen - im letzten Schritt - beim Versuch, zu solr zu indizieren - es nicht d

0Hitze

1Antwort

Apache Nutch indexiert RSS Feed nicht richtig

Ich habe versucht, RSS-Seiten auf Solr mit "Feed" als Parser (und nicht Tika. In Theorie für jedes RSS-Element, ein Dokument sollte in Solr erstellt werden. And es wird erstellt aber nur vorübergehend

0Hitze

2Antwort

Crawling Video mit Nutch

Wie Video-Tag wie folgt mit Nutch holen können <video width="320" height="240" controls> <source src="video/video.mp4" type="video/mp4"> <source src="video/video.ogg" type="video/ogg">

-3Hitze

1Antwort

Nutch Vergünstigungen

ich auf dieses sehr großes Werkzeug kam und vor dem Tauchen tief in einigen nicht so recht Dokumentationen und/oder den Kauf eines ebook: Ich wollte nur fragen: Wie Nutch behandeln Javascript schwere

0Hitze

1Antwort

Sophisticated Seite Parsing mit Apache Nutch

Ich benutze Apache Nutch 2.3.1 mit Elasticsearch 1.7 zum Crawlen und Indizieren jeweils. Nach dem Abschluss aller notwendigen Prozeduren enthält der endgültige Inhalt der geparsten Seite sowohl die Ko

0Hitze

1Antwort

Scraper: Unterscheidender bedeutungsvoller Text von bedeutungslosen Einzelteilen, hadoop

Ich versuche, einen Crawler und Schaber in Apache Nutch zu bauen, um alle Seiten zu finden, die einen Abschnitt enthalten, der über ein bestimmtes Wortthema spricht (zB "Wahl", "Wahlen") "Stimme" usw.

0Hitze

1Antwort

SolrIndexer indexer failed nutch

Wie löst man diesen Fehler? Iam mit nutch 1.12, hadoop 2.7.2 und solr 6.0.0 und haben copyied nutch schema.xml Datei in Solr conf Datei und diese meine nutch Protokollfehler , wenn ich diesen Befehl b

0Hitze

1Antwort

Fehlermeldung von java.net.UnknownHostException für Nutch 2.3

Ich versuche, Web-Daten mit Nutch 2.3 auf Linux Mint 17.2 zu crawlen, aber folgende Fehlermeldung erhalten "fehlgeschlagen mit dem folgenden Fehler: java.net.UnknownHostException:" Ich möchte wissen,

0Hitze

1Antwort

Apache Nutch vermeiden Refetching

Ich crawle ein paar Websites mit Apache Nutch, aber ich habe festgestellt, dass bei jeder Iteration die 95% der Websites, die es durchsucht, bereits in der Datenbank sind. Ich verwende den Skriptcrawl