在 solrindex 期间，如何告诉 Nutch 跳过索引具有空内容字段的文档？
我找到了http://www.atlantbh.com/precise-data-extraction-with-apache-nutch/，但是 index-omit 插件只允许 Nutch 过滤那些没有某些元标记字段的文档，而不是一般字段，例如内容.
问问题
726 次
1 回答
2
如果内容为空，您可能需要实现一个新的 Nutch 过滤器来丢弃文档。
您可以通过以下链接获取有关如何编写插件的更多信息：https ://wiki.apache.org/nutch/AboutPlugins
编辑：
我写了一个简单的插件作为一个例子。它查看“内容”字段，如果它为空，它将忽略文档并且不对其进行索引。
你可以从这里得到它：https ://github.com/nimeshjm/index-discardemptycontent
于 2013-10-16T22:06:25.053 回答