游戏娱乐 新鲜速递 单机游戏 网络游戏 游戏秘技 手机游戏 游戏攻略 木马防范 流氓清除 设计专区 压缩解压 下载工具 P2P工具专区 输入法专区

您当前的位置:JZ5U绿色下载站 -> 网络软件 -> 搜索引擎

站内搜索

apache nutch v2.3 版

  • 软件大小:5.3 MB
  • 软件类型:手机软件 - 网络软件 - 搜索引擎
  • 软件语言:繁体中文
  • 授权方式:免费软件
  • 软件星级:
  • 更新时间:2018-05-08 12:59:54
  • 运行环境:WinXP/Win2003/Vista/Win7/Win8/WinALL

软件简介

apache nutch是一款开放源代码的Java搜索引擎框架。你需要Java搜索引擎吗?那就来看看小编为您带来的这款apache nutch。该工具提供了运行自己的搜索引擎所需要的全部工具,包括全文搜索和Web爬虫,使用Nutch不仅可以建立自己内部网的搜索引擎,同时也可以针对整个网络建立搜索引擎。它还为大家提供高质量的搜索结果,非常的方便实用,欢迎需要的用户来jz5u使用!

软件特色

1、Nutch致力于让每个人能很容易,同时花费很少就可以配置世界一流的Web搜索引擎
2、每个月取几十亿网页
3、为这些网页维护一个索引
4、对索引文件进行每秒上千次的搜索
5、提供高质量的搜索结果

软件功能

1、支持将起始URL集合注入到Nutch系统之中
2、支持生成片段文件,其中包含了将要抓取的URL地址
3、根据URL地址在互联网上抓取相应的内容
4、解析所抓取到的网页,并分析其中的文本和数据
5、根据新抓取的网页中的URL集合来更新起始URL集合,并再次进行抓取
6、同时,对抓取到的网页内容建立索引,生成索引文件存放在系统之中

使用教程

1、首先先运行软件,选择File -> Import Project ->选择apache-nutch-1.9文件夹,确定后选择Import project from external model(Eclipse)
2、一直点击next到结束,成功将项目导入project中去
3、源码导入工程后,并不能执行完整的爬取。Nutch将爬取的流程切分成很多阶段,每个阶段分别封装在一个类的main函数中。在外面通过Linux Shell调用这些main函数,来完整爬取的流程。下面我们来运行Nutch中最简单的流程:Inject。我们知道爬虫在初始阶段,是需要人工给出一个或多个url,作为起始点(广度遍历树的树根)。Inject的作用,就是把用户写在文件里的种子(一行一个url,是TextInputFormat),插入到爬虫的URL管理文件(crawldb,是SequenceFile)中。
4、接下来我们按照Nutch默认的配置,需要修改Nutch的配置文件,为插件文件夹指定一个绝对路径,修改conf/nutch-default.xml文件内容,并且保存到工程中
5、接下来我们就可以开始对指定的网站的信息进行完整的爬取了

apache nutch

更新日志

1、增加了可爬取的数据类型
2、增加对Web爬虫的管理功能
3、解决了一些格式上的已知问题
4、修复了一些bug,优化了软件界面
5、优化了软件性能

游戏预约提醒

游戏正式上线前,我们将通过免费预约短信提醒您

预约成功,请等待通知!

知道了

当前人数众多,预约失败!

知道了

您已预约,请等待通知!

知道了