Nutch是一款成熟，生产就绪的Web爬虫。 Nutch支持细粒度配置，依赖于Apache Hadoop™数据结构，这对于批处理非常有用。
我已经安装了Nutch 1.9并将其配置为使用Solr 4.10.1成功爬网。我正在尝试将Nutch设置为索引元数据，如此处所述https://wiki.apache.org/nutch/IndexMetatags我如何...
更新旧的Nutch插件，以便能够在Nutch 2.3.1中使用Xpath解析
我正在使用apache Nutch 2.3.1开发一个项目，我需要能够从下载的html页面中提取特定数据。我发现了一个插件（parse-xml NUTCH-185）可以帮助我...
我正在尝试使用Apache Nutch抓取整个youtube.com。问题是我需要大量的种子网址，以确保几乎所有的Youtube网址都被抓取。但我找不到任何站点地图或......
有没有人试过使用Apache Nutch 2.3和MySQL？有些人说Nutch 2.3不能再使用MySQL了，但是看看ivy.xml中的组件，MySQL还是......
我正在使用Nutch 1.14并试图将一个小的Web爬行索引到ES v5.3.0中并且我不断收到此错误：ElasticIndexWriter elastic.cluster：elastic prefix cluster elastic.host：hostname ...
我在我的Ubuntu上安装了Nutch 1.13。我可以在独立模式下运行爬网。它成功运行并产生了预期的结果，但我不知道如何在hadoop中运行它？我有Hadoop ......
我的荷兰人在hadoop上运行，我想查看nutch运行日志，但找不到像独立的nutch日志那样的输出日志。
我试图从Nutch的meta标签索引一些元数据。我按照一步一步的教程Nutch - Parse Metatags，但没有索引。我已经像一步一步配置了这个插件......
solr 5.5.0与nutch 1.13的错误集成：'连接池关闭'
当我尝试将'Solr'与'Nutch'集成时出现问题：'Nutch'的版本：'Solr'的1.13版本：5.5.0（根据官方文档https://wiki.apache.org/的建议） Nutch的/ ...
我也有同样的问题。我只使用此命令进行整个过程：crawl urls / ucuzcumSeed.txt ucuzcum http：// localhost：8983 / solr / ucuzcum / 10 crawl [ ]＆...
我正在尝试使用Nutch V1.12抓取大量网站，而我抓取网站没有问题我无法控制爬网，就像我想要的那样。问题主要在于没有......
我试图让nutch和hbase基于这个docker镜像工作：https：//hub.docker.com/r/cogfor/nutch/我得到一个异常，我尝试注入一个URL文件：InjectorJob：从...开始。 ..
我已经将apache Nutch 2.3.1配置为单节点集群（Hadoop 2.7.x和hbase 1.2.6）。我必须检查其检查点功能。根据我的信息，恢复在Fetch和...中可用
英语不是我的母语;请原谅我的任何错误。我尝试在Windows上运行Cygwin上的nutch 1.12，然后我跟着Nutch Turorial。但是当我尝试执行命令行“bin / nutch ...
无法启动HBase start_hbase.sh：找不到命令
到目前为止，尝试使Nutch + Solr工作是徒劳的。我很难理解如何用nutch和solr解决这个问题。我已经按照我能找到的所有教程...
我必须使用php exec运行Nutch抓取命令，但它显示“0错误：JAVA_HOME未设置”该命令与终端正常工作。我在crawl.php中尝试了以下代码，其中apache-nutch-1 ....
我们开发了一个数据处理管道，使用Apache Nutch 1.4在给定一组配置的URL的情况下对Web数据进行爬网。管道随后应用一系列mapreduce任务来处理......
我想在我的java应用程序中使用Nutch API来从网站抓取pdf链接进行分析，如何在我的java应用程序中使用Nutch jar呢？我能举个例子吗？
我必须使用apache nutch设计基于Java / Java EE的搜索引擎。我在互联网上搜索过，我发现很多关于安装apache nutch的文章，却找不到任何...
我正在开发一个项目，我需要一个成熟的爬虫来完成一些工作，而我正在为此目的评估Nutch。我目前的需求相对简单：我需要一个能够......的爬虫