Apache Nutch REST api

Question

我试图通过其余api启动爬网。抓取始于注入网址。使用铬开发工具“高级休息客户端”我试图建立这个POST有效载荷，但我得到的答复是一个400坏请求。

POST - http://localhost:8081/job/create

有效载荷

{ 
    "crawl-id":"crawl-01", 
    "type":"INJECT", 
    "config-id":"default", 
    "args":{ "path/to/seedlist/directory"} 
} 

我的问题是在指定参数时，我觉得更多的是需要的，但我不知道。在NutchRESTAPI页面中，它是创建作业的示例。

POST /job/create 
    { 
     "crawlId":"crawl-01", 
     "type":"FETCH", 
     "confId":"default", 
     "args":{"someParam":"someValue"} 
    } 

POST /job/create 
    { 
     "crawlId":"crawl-01", 
     "jobClassName":"org.apache.nutch.fetcher.FetcherJob" 
     "confId":"default", 
     "args":{"someParam":"someValue"} 
    } 

我不确定什么参数或值给每个命令来完成一项工作。 （例如Inject，Generate，Fetch，Parse和UpdateDb）有人可以清除它吗？我如何告诉api在哪里查找种子列表？

UPDATE

努力完成我来到一个classException错误，其中用于TOPN关键字的值是long类型的，但API读取它作为一个字符串或一个int的生成命令时。我发现了一个应该包含在2.3.1版本（发布日期：TBA）中的修复程序，并将其应用并重新编译了我的代码。它现在可以工作。

Answer 1

在本文发布时，REST API尚未完成。存在更详细的文件，尽管它还不全面。它与下面的电子邮件从用户的邮件列表（你可能要考虑加入）：

http://www.mail-archive.com/user%40nutch.apache.org/msg13652.html

但是，为了回答你有关种子列表的问题，您可以创建通过REST的种子列表，或你可以使用参数“seedDir”

{ 
    "args":{ 
     "seedDir":"/path/to/seed/directory" 
    }, 
    "confId":"default", 
    "crawlId":"sample-crawl-01", 
    "type":"INJECT" 
}