原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
nutch爬虫系统分析
Nutch分析
TOC \o 1-3 \h \z \u HYPERLINK \l _Toc230174360 1 Nutch简介 PAGEREF _Toc230174360 \h 2
HYPERLINK \l _Toc230174361 1.1 nutch体系结构 PAGEREF _Toc230174361 \h 2
HYPERLINK \l _Toc230174362 2 抓取部分 PAGEREF _Toc230174362 \h 3
HYPERLINK \l _Toc230174363 2.1 爬虫的数据结构及含义 PAGEREF _Toc230174363 \h 3
HYPERLINK \l _Toc230174364 2.2 抓取目录分析 PAGEREF _Toc230174364 \h 4
HYPERLINK \l _Toc230174365 2.3 抓取过程概述 PAGEREF _Toc230174365 \h 4
HYPERLINK \l _Toc230174366 2.4 抓取过程分析 PAGEREF _Toc230174366 \h 5
HYPERLINK \l _Toc230174367 2.4.1 inject方法 PAGEREF _Toc230174367 \h 6
HYPERLINK \l _Toc230174368 2.4.2 generate方法 PAGEREF _Toc230174368 \h 12
HYPERLINK \l _Toc230174369 2.4.3 fetch 方法 PAGEREF _Toc230174369 \h 14
HYPERLINK \l _Toc230174370 2.4.4 parse方法 PAGEREF _Toc230174370 \h 16
HYPERLINK \l _Toc230174371 2.4.5 update方法 PAGEREF _Toc230174371 \h 16
HYPERLINK \l _Toc230174372 2.4.6 invert方法 PAGEREF _Toc230174372 \h 19
HYPERLINK \l _Toc230174373 2.4.7 index方法 PAGEREF _Toc230174373 \h 23
HYPERLINK \l _Toc230174374 2.4.8 dedup方法 PAGEREF _Toc230174374 \h 26
HYPERLINK \l _Toc230174375 2.4.9 merge方法 PAGEREF _Toc230174375 \h 30
HYPERLINK \l _Toc230174376 3 配置文件分析 PAGEREF _Toc230174376 \h 31
HYPERLINK \l _Toc230174377 3.1 nutch-default.xml分析 PAGEREF _Toc230174377 \h 31
HYPERLINK \l _Toc230174378 3.1.1 !-- file properties -- PAGEREF _Toc230174378 \h 31
HYPERLINK \l _Toc230174379 3.1.2 !-- HTTP properties -- PAGEREF _Toc230174379 \h 32
HYPERLINK \l _Toc230174380 3.1.3 !-- FTP properties -- PAGEREF _Toc230174380 \h 35
HYPERLINK \l _Toc230174381 3.1.4 !-- web db properties -- PAGEREF _Toc230174381 \h 37
HYPERLINK \l _Toc230174382 3.1.5 !-- generate properties -- PAGEREF _Toc230174382 \h 41
HYPERLINK \l _Toc230174383 3.1.6 !-- fetcher properties -- PAGEREF _Toc230174383 \h 42
HYPERLINK \l _Toc230174384 3.1.7 !-- indexer properties -- PAGEREF _Toc230174384 \h 43
HYPERLINK \l _Toc230174385 3.1.8 !-- indexingfilter plugin properties -- PAGEREF
文档评论（0）