lucene - 如何从 Nutch 索引中读取内容？

Question

我可以使用Nutch抓取和索引网页，但我不知道如何读取索引并从中提取数据。

谁能向我介绍一些有用的工具来阅读索引？

我想添加一个中文分析器和一个IndexFilter插件，所以我想阅读索引来验证我的插件。而且，我想对使用 Java 抓取的数据进行一些处理。

Answer 1

使用luke 工具浏览 nutch 索引。转储索引选项可以为整个索引创建一个 xml 文件。如果你必须通过代码来做，那么你需要学习 lucene。

要阅读爬取的内容，请使用nutch 段阅读器。

Answer 2

您可以使用提供的读取命令，例如

bin/nutch readseg xxx

阅读内容。

希望这会对你有所帮助。