2012-01-03 110 views
0

正如标题所示,我设法配置我的GSA来抓取我的PDF文件。它们显示在列表页面上,并带有指向它们的链接,以便可以抓取URL并将其添加到特定的集合(本文中称为“我的PDF”)。索引的PDF文件没有通过谷歌搜索返回

爬网成功,我可以看到GSA抓取诊断下面的“我的PDF档案”收集:

抓取诊断

File/Directory        | Crawl Status 

http://mydomain.com/Listings/MyPdfs.aspx | Crawled: New Document 
http://mydomain.com/mypdfs/cat1/issue5.pdf | Crawled: New Document 
http://mydomain.com/mypdfs/cat2/issue4.pdf | Crawled: New Document 
http://mydomain.com/mypdfs/cat3/issue2.pdf | Crawled: New Document 
http://mydomain.com/mypdfs/cat4/issue3.pdf | Crawled: New Document 
http://mydomain.com/mypdfs/cat5/issue1.pdf | Crawled: New Document 

抓取诊断为单文件

有关此页的更多信息

  • 链接到此页
  • 缓存版本不可用
  • 的PageRank:无
  • 最后修改:
  • 此页面上的链接数量来抓取网页:未知
  • 号码链接到此页的已抓取页面:未知
  • 此页面包含以下项目:
    • 我的PDF文件中

然而,使用在相同的“我的PDF文件中”收集GSA测试中心进行搜索时,该PDF文件将不会返回。我确保在测试中心使用适当的前端选择,并且使用正确的收集('My-PDFs'),然后使用文档中的关键字。我也尝试使用文档的文件名,但仍然没有结果。我总是得到:

您的搜索 - TestKeyword - 与任何文档都不匹配。
未找到包含“TestKeyword”的页面。

(显然,实际使用关键字)

任何想法?

注意:使用GSA 5.0。

回答

0

事实证明,这对我们的GSA设备是一种腐败。在特定日期后创建的任何新集合似乎都会被抓取,但无法进行搜索。以前工作的现有集合可以继续更新,但新集合不能。

用新硬件取代GSA设备是迄今为止唯一的解决方案。