中国宁波网爬虫抓取效果

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

 

在线体验：http://cnnb.faqee.com/