2006-11-27
全文显示

nutch爬行中的depth（层数，深度？）

一直搞不清楚nutch中的depth是什么意思，就照着字面意思理解，认为是指html文件所在文件夹的相对于网站的深度。今天做了个小实验，证明并不是这样，下面来看看 先在Tomcat里面建一个示例网站Test，网站根目录下建四个网页index.html, a.thml, b.html, c.html.建一个文件夹1，内有1.html，在文件夹1中建文件夹2，建2.html。它们的链接关系：index.html中有a.html和1.html的链接，a.html中有b和c的链接，1.html中有2.html的链接。这个示例网站是按我原来的意思建的：第一层有四个文件，且包含了蜘蛛能访问到的链接，第二 ...
2006-10-31
全文显示

用Lucene构造简单搜索！

Lucene是一个开源世界里最有名的搜索引擎包，关于它的介绍现在网络上也有很多了，特别是车东的文章http://www.chedong.com/tech/lucene.html，网上流传至广。现在还有一本《Lucene In Action》的电子书是详细介绍的Lucene，可以down下来看。今天先来对硬盘文件实现简单的索引和搜索功能。 用Lucene建立索引步骤： [1]指定索引源文件夹（dataDir）和索引的文件夹（IndexDir）; [2]构造一个IndexWriter:IndexWriter构造器有三个参数，其中第一个参数可以是Lucene内建的类Directory，也可以 ...
2006-10-27
全文显示

lucene中增量索引的方法！

lucene在建立索引时不可能总是删了原来的再重建索引。在建索引的IndexWriter中最后一个参数是boolean类型的，用来确定是重建索引（true）还是增量索引。 IndexWriter writer = new IndexWriter(indexDir,new Analyzer(),true) 这样表示重建索引，当你运行索引类后如果indexDir中存在索引文件，都将被删除，这有时不是你的本意，也算是一种浪费，所以可以在需要的时候你可以把它设成false。
javaeyes
搜索本博客
我的相册
49127034-b1a1-4d37-9b8b-e979fef3fa87-thumb
J2SE
共 1 张
最近加入圈子
存档
最新评论
评论排行榜