nutch - Nutch 2 解析和链接

Question

我注意到像 tika 这样的解析插件从内容中提取外链，但是在方法 getParse/2 中传递的对象 WebPage 已经有 2 个包含外链和内链的数组。

getParse 中的提取和 fetch 之后的提取有什么区别。

谢谢。

Answer 1

Webpage 对象是根据 nutch 数据库中的信息创建的，在我的例子中是 hsql。

在解析过程之后（在方法 getParse 返回之后）填充网页字段 outlinks（和其他一些）。