nutch解析自定義xml與tika使用xpath

我是nutch新手。 nutch 1.7 我正在尋找方法來解析基於xpath的自定義xml文件並存儲數據。我確實看到了xml_parser插件，但是自tika接管以來暫停了。如何配置嵌入在nutch 1.7中的tika來解析基於xpath的url內容。我已經搜索了所有的nutch文檔/維基，但那裏沒有太多的信息。 tika嘗試解析並提取由於自定義格式而失敗的內容，但我想根據xpath使用標記存儲xml。我應該在哪裏把xpath信息放在nutch conf中？或者我必須重寫tike解析器？nutch解析自定義xml與tika使用xpath

任何提示正確的方向非常讚賞。

謝謝。

來源

2013-12-20 Umapathy

我不認爲你可以很容易地蒂卡做到這一點，但你可以使用這些自定義插件來解析基於XPath的XML文件：

https://github.com/BayanGroup/nutch-custom-search
http://www.atlantbh.com/precise-data-extraction-with-apache-nutch/

來源

2013-12-21 11:34:40 tahagh

優秀。謝謝。我會看看它是否有助於我的情況。 – Umapathy

nutch解析自定義xml與tika使用xpath

回答

相關問題