Почему анализ приложений / файлов x-javascript не выполняется? - PullRequest
0 голосов
/ 11 ноября 2010

Я настроил Nutch со следующим в моем conf/nutch-site.xml

<property>
  <name>plugin.includes</name>
  <value>urlfilter-regex|protocol-(http|file)|parse-(text|html|pdf|msword)|in
dex-(basic|anchor|more)|query-(basic|site|url)|response-(json|xml)|summary-basic
|scoring-opic|urlnormalizer-(pass|regex|basic)</value>
  <description>Regular expression naming plugin directory names to
  include.  Any plugin not matching this expression is excluded.
  In any case you need at least include the nutch-extensionpoints plugin. By
  default Nutch includes crawling just HTML and plain text via HTTP,
  and basic indexing and search plugins. In order to use HTTPS please enable 
  protocol-httpclient, but be aware of possible intermittent problems with the 
  underlying commons-httpclient library.
  </description>
</property>

Обратите внимание на список парсеров - только текст, html, pdf и msword. Но по какой-то странной причине я только что обнаружил некоторые файлы application / x-javascript в своем индексе. С чего бы это? Использует ли он то, что находится в каталоге плагинов, и игнорируя мой plugin.includes?

1 Ответ

0 голосов
/ 15 ноября 2010

Я использую Nutch 1.1 (не транк) для разбора RSS-каналов. Я использую плагин parse-rss. Ленты анализируются только если я активирую плагин. Если нет, они игнорируются. Поэтому, чтобы ответить на ваш вопрос, да, Nutch должен использовать только плагины, определенные в plugin.includes.

...