如何阅读Nutch索引的内容？

Question

我可以使用Nutch对网页进行检索和索引，但我不知道如何读取索引并从中提取数据。

任何人都可以向我介绍一些有用的工具来阅读索引？

我想添加一个中文语言分析器和一个IndexFilter插件，所以我想读取索引来验证我的插件。而且，我想对使用Java进行爬网的数据执行一些过程。

Answer 1

使用luke tool来浏览nutch索引。转储索引选项可以为整个索引创建一个xml文件。如果你必须通过代码来完成，那么你需要学习lucene。

要阅读抓取的内容，请使用nutch segment reader。

Answer 2

您可以使用所提供的读取命令状

bin/nutch readseg xxx 

阅读的内容。

希望this会帮助你。