把另外的一个项目加入了nutch中来

最新推荐文章于 2018-08-21 10:54:07 发布

xyz2011

最新推荐文章于 2018-08-21 10:54:07 发布

阅读量101

点赞数

分类专栏： nutch

nutch 专栏收录该内容

25 篇文章

订阅专栏

作者尝试将项目以插件形式集成到 Nutch 中，并实现了网页爬取及数据解析功能。日志显示插件成功抽取了产品名称、价格等信息。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

周末在家闲的慌，把在公司搞的nutch拿回来在家里试着做了下，刚开始总以为把一个项目都以plugin的形式加入到nutch中来，是不是有点.......嗨，搞呗。周日竟然成功了，分享下新得先。

先贴出来先日志的东东吧，我们要求的是nutch边从网站上爬取，所加入的项目(plugin)得边去解析(抽取)数据。就这么简单，插件的介绍在上几次已经介绍过了，看下日志：

product_name = The Incident (CD)
product_price =     $14.01
product_image = http://i43.tower.com/images/mm113708247/incident-porcupine-tree-cd-cover-art.jpg
product_category = Music Rock & Pop Progressive Rock
product_description = ?             ?             ??                         ???                         ???Learn more about the format using Tower WIKI.                           September 15, 2009 1 016861785727 113708247   #748 in Music (See ) #347 in Rock & Pop (See ) #2 in Progressive Rock (See )
product_review =                   To sample an individual track, click the button located beside your desired song.
product_type = dvd

product_url = http://www.tower.com/incident-porcupine-tree-cd/wapi/113708247

至于乱码，先不用管，可能是上次程序的bug吧。这也是在澳门回归十周年的这一天搞出来的啊。不过也得先祝贺一下我们的祖国繁荣昌盛，越来越强大！今天先写到这吧！