浏览 2424 次
|
锁定老帖子 主题：中国宁波网爬虫抓取效果
精华帖 (0) :: 良好帖 (0) :: 新手帖 (0) :: 隐藏帖 (0)
|
|
|---|---|
| 作者 | 正文 |
|
发表时间：2009-08-03
在宁波，中国宁波网是宁波日报旗下的网站，我经常去上面看新闻，但久而久之，我发觉竟然没有整站搜索的功能，今天我用nutch试了一下，发现效果还可以，注意搜索时候的技巧： 技巧 写道
数据的关键词系统会自动分词，如果不是你想要的搜索结果，请使用""将其引起来
搜索结果只包括含有 所有查询词的网页. 使用双引号将相邻的词作为短语包含起来, 例如, "New Zealand". 英文单词之间的符号会触发短语匹配. 因此搜索http://www.apache.org/ 等同于搜索"http www apache org". 搜索英文单词不区分大小写 你可以在一个词前面加减号丛而禁止它出现在搜索结果中, 例如, 搜索football -nfl 会找到讨论football, 但不出现"nfl"的网页. 可使用+符号，将多个搜索词AND进来，如宁波+北仑将搜索所有既包含宁波又包含北仑的结果
声明：ITeye文章版权属于作者，受法律保护。没有作者书面许可不得转载。
推荐链接
|
| 返回顶楼 | |
