apache - 使用 nutch 和 solr 在每个页面中获取特定标题

Question

我安装了 solr 和 nutch，我的网页结构是每个页面的标题都是相同的；例如银行的东西；但在每个页面中都有一个 ID 为 TITLE 的标签，例如：

<div ID="TITLE"><h1>my page specific title</h1></div>

我想向 solr 添加另一个字段，例如第二个标题，它可以获取我的页面特定标题并在其中搜索字词。（实际上，现在我的页面特定标题在内容字段中，我想在其他字段中使用它）

我怎样才能做到这一点？！

Answer 1

检查Nutch 插件，它应该允许您从网页中提取元素。