Apache Nutch REST api

Question

我試圖通過其餘api啓動爬網。抓取始於注入網址。使用鉻開發工具「高級休息客戶端」我試圖建立這個POST有效載荷，但我得到的答覆是一個400壞請求。

POST - http://localhost:8081/job/create

有效載荷

{ 
    "crawl-id":"crawl-01", 
    "type":"INJECT", 
    "config-id":"default", 
    "args":{ "path/to/seedlist/directory"} 
} 

我的問題是在指定參數時，我覺得更多的是需要的，但我不知道。在NutchRESTAPI頁面中，它是創建作業的示例。

POST /job/create 
    { 
     "crawlId":"crawl-01", 
     "type":"FETCH", 
     "confId":"default", 
     "args":{"someParam":"someValue"} 
    } 

POST /job/create 
    { 
     "crawlId":"crawl-01", 
     "jobClassName":"org.apache.nutch.fetcher.FetcherJob" 
     "confId":"default", 
     "args":{"someParam":"someValue"} 
    } 

我不確定什麼參數或值給每個命令來完成一項工作。 （例如Inject，Generate，Fetch，Parse和UpdateDb）有人可以清除它嗎？我如何告訴api在哪裏查找種子列表？

UPDATE

努力完成我來到一個classException錯誤，其中用於TOPN關鍵字的值是long類型的，但API讀取它作爲一個字符串或一個int的生成命令時。我發現了一個應該包含在2.3.1版本（發佈日期：TBA）中的修復程序，並將其應用並重新編譯了我的代碼。它現在可以工作。

Answer 1

在本文發佈時，REST API尚未完成。存在更詳細的文件，儘管它還不全面。它與下面的電子郵件從用戶的郵件列表（你可能要考慮加入）：

http://www.mail-archive.com/user%40nutch.apache.org/msg13652.html

但是，爲了回答你有關種子列表的問題，您可以創建通過REST的種子列表，或你可以使用參數「seedDir」

{ 
    "args":{ 
     "seedDir":"/path/to/seed/directory" 
    }, 
    "confId":"default", 
    "crawlId":"sample-crawl-01", 
    "type":"INJECT" 
}