nutch - 我对 db_redir_temp 有一些疑问

Question

我已经注入了一些 url 来抓取一轮，我发现一些 url 为 db_redir_temp。{"url":"http://www.universityhealth.org","pst":"temp_moved(13), lastModified=0: https://www.universityhealth.org/"} {"url":"http ://silvercappartners.com","pst":"temp_moved(13), lastModified=0: http://silvercappartners.com/index.html"}

我可以知道http://www.universityhealth.org指向相同的 url 为什么显示 db_redir_temp。这个 url 指向 http://silvercappartners.com到这个 url http://silvercappartners.com/index.html 如果我认为 pst 列将给出重定向的 url 页面。

Answer 1

两个网址

http://www.universityhealth.org
https://www.universityhealth.org/

在一个重要点上有所不同，协议（或方案） -http与https. 这些并不总是等价的，例如。Web 服务器可能不支持https. 另一点（尾随/）无关紧要，空路径和服务器根路径的 HTTP 请求都是GET / HTTP/1.1（可能使用不同的协议版本）。

但真正的原因很简单，服务器响应的HTTP/1.1 302 Found是重定向，请参阅HTTP 302。

“pst”或“协议状态”元数据字段可以包括消息。对于重定向，它包含重定向目标。