[转载] 有没有人用过Nutch? - Internet版

本页内容为未名空间相应帖子的节选和存档，一周内的贴子最多显示50字，超过一周显示500字访问原贴

Internet版 - [转载] 有没有人用过Nutch?

相关主题
● 想学习一些搜索引擎的原理知识, 请推荐教材	● 怎么样才能在2000AdvServer上与人用netmeeting语音聊
● blogspot.com怎么发帖?	● [转载] 有没有人用MATLAB WEB SERVER的？
● 想找个host，请大家推荐一个	● 请问有没有人用过T-Mobile @Home ？ (转载)
● 网络问题	● 有没有人用过Nutch?
● Re: 请教那种ftp软件可以用在Macintash机上?	● [转载] 有没有人用过Nutch?
● Urgent!!! Need help about fetching multiple choice from drop down list using asp	● Nutch
● 请问有人发现firefox3大量占用内存的问题吗？	● Nutch vs Lucene
● Re: 有没有人用AmEX的Free ISP? Solution is here!	● 做了个job search网站

相关话题的讨论汇总
话题: nutch话题: htm话题: html

进入Internet版参与讨论

(共1页)

c***o
发帖数: 61

【以下文字转载自 BuildingWeb 讨论区】
【原文由 csfoo 所发表】
我只想用它来检索documents (.doc/.pdf/etc.)而非htm/html,但是如果我在
crawl-urlfilter.txt里面将htm/html skip掉是不行的，因为crawler根本就得不到
足够的link信息。是不是先crawl/fetch,之后在index的时候再将htm/html去掉呢？
应该怎样处理？谢谢!

(共1页)

进入Internet版参与讨论

相关主题
● 做了个job search网站	● Re: 请教那种ftp软件可以用在Macintash机上?
● 是谁伪造了唐骏的简历	● Urgent!!! Need help about fetching multiple choice from drop down list using asp
● 脸家系统设计，web crawler, 机器之间不能通信。 (转载)	● 请问有人发现firefox3大量占用内存的问题吗？
● How to tell if Nutch works properly?	● Re: 有没有人用AmEX的Free ISP? Solution is here!
● 想学习一些搜索引擎的原理知识, 请推荐教材	● 怎么样才能在2000AdvServer上与人用netmeeting语音聊
● blogspot.com怎么发帖?	● [转载] 有没有人用MATLAB WEB SERVER的？
● 想找个host，请大家推荐一个	● 请问有没有人用过T-Mobile @Home ？ (转载)
● 网络问题	● 有没有人用过Nutch?

相关话题的讨论汇总
话题: nutch话题: htm话题: html

#	版面	帖数(主题数)
-	全站	4871 (796)
1	Military	3777 (569)
2	Stock	341 (51)
3	Joke	117 (17)
4	History	116 (3)
5	Automobile	100 (9)
6	USANews	55 (9)
7	Midlife	45 (1)
8	Headline	41 (41)
9	Dreamer	33 (13)
10	FleaMarket	32 (20)
11	Living	30 (7)

boards

未名新帖统计// 7月16日

历史上的今天