0
抓取網站時，如www.example.com有一個頁面x.html，其中有4個子頁面的鏈接，如果處理鏈接，我將獲得所有的x.html標題4個子頁面。使用nutch抓取子頁面時獲取父標題
在這種情況下，我們添加父標題給nutch的孩子？
A
回答
1
您可以編寫HTMLParseFilter並將自定義元數據（see JIRA）添加到主頁面標題爲值的輸出鏈接。
順便說一句，你會得到一個更相關的觀衆張貼在Nutch user list
相關問題
- 1. Nutch不抓取頁面內容
- 2. 用nutch和solr在每個頁面中獲取特定標題
- 3. 獲取父頁面的子頁面
- 4. 使用CrawlDbReader讀取Nutch抓取數據
- 5. 使用nutch抓取頁面的後處理
- 6. 只抓取頁面的標題
- 7. 使用Ruby獲取頁面標題
- 8. Nutch抓取不起作用
- 9. 從特定頁面獲取父頁面標題名稱ID號
- 10. 獲取頁面標題
- 11. 如何在nutch中獲取抓取的頁面內容和相應的URL？
- 12. Nutch 2.3.1僅抓取種子URL
- 13. 阿帕奇Nutch的抓取問題
- 14. 使用Nutch或Heritrix定向抓取
- 15. WPF子頁面獲取父框架
- 16. 使用Crystal Reports子報表獲取頁面標題
- 17. apache nutch不抓取網站
- 18. 從nutch重點抓取
- 19. Nutch的抓取命令
- 20. 檢查響應標題時只抓取HTML頁面
- 21. 獲取父頁面名稱
- 22. 從刮網頁獲取頁面標題
- 23. 從前一頁獲取頁面標題
- 24. Facebook頁面抓取
- 25. 抓取html頁面
- 26. HTML頁面抓取
- 27. 抓取頁面塊
- 28. 使用Nutch如何抓取uisng ajax網頁的動態內容？
- 29. 如何使用apache nutch在少數主題上抓取數據？
- 30. 使用Nutch的抓取特定HTML標籤