我安裝了nutch和solr來抓取網站並在其中搜索;正如你所知道的，我們可以將網頁的meta標籤索引到nutch的parse meta標籤插件（http://wiki.apache.org/nutch/IndexMetatags）現在我想知道是否有任何方法可以將另一個html標籤Solr的不是元（插件或反正）是這樣的：如何解析html與nutch和索引特定的標籤solr？
事實上，我想添加一個字段到Solr（東西），在這個頁面有「我的特定標籤」的價值。
有什麼想法嗎？
您可能想要檢查Nutch Plugin哪些應該允許您從網頁中提取元素。
我爲自己喜歡的東西製作了自己的插件。 將NutchDocument映射到SolrDocument的配置文件位於$ NUTCH_HOME/conf/solrindex-mapping.xml中。在這裏你可以添加你自己的標籤。但是你仍然必須在某處填寫自己的標籤。
下面是一些提示，以插件：
您解析信息在YourIndexingFilter投入頁面的元數據這樣
page.putToMetadata(new Utf8("yourKEY"), ByteBuffer.wrap(YourByteArrayParsedFromMetaData));
從添加元數據page（page.getMetadata）to NutchDocument
doc.add("your_specific_tag", value);
最重要!!!!!
把your_specific_tag到的Fileds：
字段名= 「your_specific_tag」 TYPE =」字符串「stored =」true「indexed =」true「
場DEST = 「your_specific_tag」 來源= 「your_specific_tag」
我也這樣做了，但不知何故，某些元數據在進程中丟失了。我在IndexingFilter，getMetadata（）中查找它。get（「my_tag」）返回null –
u必須只是嘗試http://lifelongprogrammer.blogspot.in/2013/08/nutch2-crawl-and-index-extra-tag.html 教程說img標籤怎麼去，有提什麼都是步驟。 ..
您可以使用這些定製的插件之一來解析基於XPath的XML文件（或CSS選擇器）：
爲什麼downvote？請添加評論 – Jayendra