如何閱讀Nutch索引的內容？

Question

我可以使用Nutch對網頁進行檢索和索引，但我不知道如何讀取索引並從中提取數據。

任何人都可以向我介紹一些有用的工具來閱讀索引？

我想添加一個中文語言分析器和一個IndexFilter插件，所以我想讀取索引來驗證我的插件。而且，我想對使用Java進行爬網的數據執行一些過程。

Answer 1

使用luke tool來瀏覽nutch索引。轉儲索引選項可以爲整個索引創建一個xml文件。如果你必須通過代碼來完成，那麼你需要學習lucene。

要閱讀抓取的內容，請使用nutch segment reader。

Answer 2

您可以使用所提供的讀取命令狀

bin/nutch readseg xxx 

閱讀的內容。

希望this會幫助你。