0
抓取网站时，如www.example.com有一个页面x.html，其中有4个子页面的链接，如果处理链接，我将获得所有的x.html标题4个子页面。使用nutch抓取子页面时获取父标题
在这种情况下，我们添加父标题给nutch的孩子？
A
回答
1
您可以编写HTMLParseFilter并将自定义元数据（see JIRA）添加到主页面标题为值的输出链接。
顺便说一句，你会得到一个更相关的观众张贴在Nutch user list
相关问题
- 1. Nutch不抓取页面内容
- 2. 用nutch和solr在每个页面中获取特定标题
- 3. 获取父页面的子页面
- 4. 使用CrawlDbReader读取Nutch抓取数据
- 5. 使用nutch抓取页面的后处理
- 6. 只抓取页面的标题
- 7. 使用Ruby获取页面标题
- 8. Nutch抓取不起作用
- 9. 从特定页面获取父页面标题名称ID号
- 10. 获取页面标题
- 11. 如何在nutch中获取抓取的页面内容和相应的URL？
- 12. Nutch 2.3.1仅抓取种子URL
- 13. 阿帕奇Nutch的抓取问题
- 14. 使用Nutch或Heritrix定向抓取
- 15. WPF子页面获取父框架
- 16. 使用Crystal Reports子报表获取页面标题
- 17. apache nutch不抓取网站
- 18. 从nutch重点抓取
- 19. Nutch的抓取命令
- 20. 检查响应标题时只抓取HTML页面
- 21. 获取父页面名称
- 22. 从刮网页获取页面标题
- 23. 从前一页获取页面标题
- 24. Facebook页面抓取
- 25. 抓取html页面
- 26. HTML页面抓取
- 27. 抓取页面块
- 28. 使用Nutch如何抓取uisng ajax网页的动态内容？
- 29. 如何使用apache nutch在少数主题上抓取数据？
- 30. 使用Nutch的抓取特定HTML标签