当下软件园 / 汇聚当下最新最酷的软件下载站!
您的位置: 安徽省快三走势图 > 网络软件 > 搜索引擎 > Apache Nutch(Java搜索引擎工具) V2.3 官方版
Apache Nutch(Java搜索引擎工具) V2.3 官方版 版本
  • 软件大?。?/span>7.21M
  • 软件语言:英文
  • 软件类型:国外软件
  • 软件授权:免费软件
  • 更新时间:2018-05-05
  • 软件类别:搜索引擎
  • 软件官网:安徽省快三走势图
  • 应用平台:Win2003,WinXP,Vista,Win7,Win8

网友评分: 分数 9.4

软件非常好(94% 软件不好用(6%

  Apache Nutch是一个开放源代码的Java搜索引擎框架,它提供了运行自己的搜索引擎所需要的全部工具,包括全文搜索和Web爬虫,使用Nutch不仅可以建立自己内部网的搜索引擎,同时也可以针对整个网络建立搜索引擎。

Apache Nutch

【软件特色】

  1、Nutch致力于让每个人能很容易,同时花费很少就可以配置世界一流的Web搜索引擎

  2、每个月取几十亿网页

  3、为这些网页维护一个索引

  4、对索引文件进行每秒上千次的搜索

  5、提供高质量的搜索结果

【功能特点】

  1、支持将起始URL集合注入到Nutch系统之中

  2、支持生成片段文件,其中包含了将要抓取的URL地址

  3、根据URL地址在互联网上抓取相应的内容

  4、解析所抓取到的网页,并分析其中的文本和数据

  5、根据新抓取的网页中的URL集合来更新起始URL集合,并再次进行抓取

  6、同时,对抓取到的网页内容建立索引,生成索引文件存放在系统之中

Apache Nutch

【使用教程】

  1、首先先运行软件,选择File -> Import Project ->选择apache-nutch-1.9文件夹,确定后选择Import project from external model(Eclipse)

  2、一直点击next到结束,成功将项目导入project中去

  3、源码导入工程后,并不能执行完整的爬取。Nutch将爬取的流程切分成很多阶段,每个阶段分别封装在一个类的main函数中。在外面通过Linux Shell调用这些main函数,来完整爬取的流程。下面我们来运行Nutch中最简单的流程:Inject。我们知道爬虫在初始阶段,是需要人工给出一个或多个url,作为起始点(广度遍历树的树根)。Inject的作用,就是把用户写在文件里的种子(一行一个url,是TextInputFormat),插入到爬虫的URL管理文件(crawldb,是SequenceFile)中。

  4、接下来我们按照Nutch默认的配置,需要修改Nutch的配置文件,为插件文件夹指定一个绝对路径,修改conf/nutch-default.xml文件内容,并且保存到工程中

  5、接下来我们就可以开始对指定的网站的信息进行完整的爬取了

【更新日志】

  V1.9更新:

  1、增加了可爬取的数据类型

  2、增加对Web爬虫的管理功能

  3、解决了一些格式上的已知问题

  4、修复了一些bug,优化了软件界面

  5、优化了软件性能

软件特别说明

标签: 搜索引擎 编程框架

其他版本下载
最新评论
回顶部 去下载

关于本站|下载帮助|下载声明|安徽省快三走势图|联系我们

Copyright ? 2005-2018 安徽省快三走势图 www.hnkbq.com.All rights reserved.

浙ICP备06019006号

252| 1| 855| 846| 398| 978| 813| 544| 864| 918|