开发工具:
文件大小: 56kb
下载次数: 0
上传时间: 2011-12-04
详细说明: java实现的开源搜索引擎nutch 主要类分析: 一、org.apache.nutch.crawl.Injector: 1,注入url.txt 2,url标准化 3,拦截url,进行正则校验(regex-urlfilter.txt) 4,对符URL标准的url进行map对构造,在构造过程中给CrawlDatum初始化得分,分数可影响url host的搜索排序,和采集优先级! 5,reduce只做一件事,判断url是不是在crawldb中已经存在,如果存在则直接读取原来CrawlDatum,如果是新host,则把相应状态存储到里边(STATUS_DB_UNFETCHED(状态意思为没有采集过)) 二、org.apache.nutch.crawl.Generator: 1,过滤不及格url (使用url过滤插件) 2,检测URL是否在有效更新时间里 3,获取URL metaData,metaData记录了url上次更新时间 4,对url进行打分 5,将url载入相应任务组(以host为分组) 6,计算url hash 值 7,收集url, 直至到达 topN 指定量 三、org.apache.nutch.crawl.Fetcher: 1,从segment中读取,将它放入相 ...展开收缩
(系统自动生成,下载前可以参看下载内容)
下载文件列表
相关说明
- 本站资源为会员上传分享交流与学习,如有侵犯您的权益,请联系我们删除.
- 本站是交换下载平台,提供交流渠道,下载内容来自于网络,除下载问题外,其它问题请自行百度。
- 本站已设置防盗链,请勿用迅雷、QQ旋风等多线程下载软件下载资源,下载后用WinRAR最新版进行解压.
- 如果您发现内容无法下载,请稍后再次尝试;或者到消费记录里找到下载记录反馈给我们.
- 下载后发现下载的内容跟说明不相乎,请到消费记录里找到下载记录反馈给我们,经确认后退回积分.
- 如下载前有疑问,可以通过点击"提供者"的名字,查看对方的联系方式,联系对方咨询.