nhy520
- 浏览: 942796 次
- 性别:
- 来自: 北京
-
最新评论
-
avi9111：
内陷到android, ios, winphone里面也是随便 ...
【HTML5游戏开发】二次开发 BrowserQuest 第一集 -
avi9111：
呵呵，做不下去了吧，没有第二集了吧，游戏是个深坑，谨慎进入，其 ...
【HTML5游戏开发】二次开发 BrowserQuest 第一集 -
excaliburace：
方案3亲测完全可用，顺便解决了我其他方面的一些疑问，非常感谢
spring security 2添加用户验证码 -
yuanliangding：
Spring太强大了。
Spring Data JPA 简单介绍 -
小高你好：
什么是hibernate懒加载？什么时候用懒加载？为什么要用懒加载？
文章列表
Compass项目是基于Lucene的一个开源项目，其主旨在于简化将搜索集成到Java应用的过程。最近，该项目发布了2.0版本。InfoQ就此采访了Compass的创始人Shay Banon以获得关于该版本更多更详尽的信息，并且对Compass为Java社区所做的贡献进行了一番深入的了解。
Banon罗列了该版本最主要的几个特性在于：
简化O/R映射（ORM）的集成——所有集成特性，比如实时将ORM的变化在搜索索引上生成镜像和完成基于映射（mapping-based）的数据库索等特性，现在可以通过Hibernate/JPA的配置文件中的配置属性得以实现。
分布式数据网格的 ...
- 2009-05-18 22:21
- 浏览 1479
- 评论(0)
高亮显示比较简单，网上也有很多介绍代码。修改如下：
将 org.apache.nutch.searcher.Summary 第 54行 代码 修改为：
public String toString() { return "<span style='color:red'>" + super.toString() + "</span>"; }
增加索引长度花了我比较长的时间 ， 不过后来发现原来有两个参数是专门调整索引长度的 ，刚看代码的时候没有注意到 ，在org.apache.nutch.searcher.Summarize ...
- 2009-05-18 22:06
- 浏览 1736
- 评论(0)
plugin(插件)为nutch提供了一些功能强大的部件，举个例子，HtmlParser就是使用比较普遍的用来分析nutch抓取的html文件的插件。
为什么nutch要使用这样的plugin系统?
有三个原因：
1：可扩展性
通过plugin，nutch允许任何人扩展它的功能，而我们要做的只是对给定的接口做简单的实现，举个例子：MSWordParser这个插件是用来分析wordwendang的，它就是一个对parser这个接口的实现
2：灵活性
因为每个人都可以根据自己的需求而写自己的plugin，这样plugin就会有一个很强大的资源库。 ...
- 2009-05-17 23:08
- 浏览 1117
- 评论(0)
http://blog.csdn.net/lianqiang198505/archive/2006/10/17/1338155.aspx
在nutch的爬虫运行过程中有这样的一个调用（在CrawlTool中）：
// update segments from db
UpdateSegmentsFromDb updater =
new UpdateSegmentsFromDb(nfs, db, segments, dir);
updater.run();
正如注释所说，这段代码的作用就是从webdb中的当前信息来对segments ...
- 2009-05-16 21:46
- 浏览 1235
- 评论(0)
当某个插件需要被加载时， Nutch 会加载所有插件的相关接口到缓存，此后每个插件需要实例的时候，根据相关接口和相关接口实现实例在缓存内的记录，使用反射实现一个实例并返回，下面以 QueryFilter 的所有插件被加载例子进行说明。
具体代码参看org.apache.nutch.seacher.QueryFilters<init>（ 1 ）当第一次需要得到 QueryFilter 的一个子类的实例时，使用下面这句话试图获得所有的实例：
this.queryFilters =
(QueryFilter[]) conf.getObject(QueryFilter ...
- 2009-05-14 23:50
- 浏览 1548
- 评论(1)
Nutch是Apache组织的一个开源项目，利用它用户可以 建立自己内部网的搜索引擎，也可以建立针对整个网络的搜索引擎。一、Linux下的安装使用 (我使用的操作系统是red hat as4) 1.安装JDK，我安装的是JDK1.5 update11，安装方法到网上搜 2.安装TOMCAT，我安装的是tomcat5.5.23，安装方法到网上搜，输入http://127.0.0.1:8080出现变态猫就ok了，可以进入下一步。 3.到http://www.nutch.org下载Nutch 0.9，2007年4月2日发布的，嘿嘿。 解压与安装 下来的文件是nutch-0.9.ta ...
- 2009-05-12 21:14
- 浏览 1366
- 评论(0)
从大家熟悉的冒泡排序开始： /** * 冒泡排序 Bubble Sort * <p>原理: * 比较n轮，每一轮都把最大元素移动到数组后端。 * @return */ public int[] bubbleSort(int[] result) { for (int i = 0; i < ARRAYSIZE; i ++) { for (int j = i + 1; j < ARRAYSIZE; j ++) { if (result[i] > resu ...
- 2009-05-12 16:30
- 浏览 1326
- 评论(0)
文档选项
<script type="text/javascript"></script>
打印本页
<noscript></noscript>
- 2009-05-12 09:54
- 浏览 1567
- 评论(0)
现在实现基本中文分词功能的代码和软件模块很多，性能也还可以，但是怎样将其应用到NUTCH中的方法介绍相对较少，下面我就实现NUTCH中文分词的NUTCH代码修改方法与步骤，抛砖引玉的介绍一下。
代码修改的切入点是通过对NUTCH处理中文的切分器Tokenizer的修改或者替换（这里介绍的是替换），使中文分词由单字切分变为词语切分。对于相关的NUTCH基本知识，我就不赘述了。因为NUTCH的检索功能基于Lucene
- 2009-05-12 09:51
- 浏览 2122
- 评论(0)
在接触到一个新的事物的时候，根据人的认知过程，我们势必要知道这个新事物的是什么，即What；然后，便是为什么要认知这个新的事物，如果没有任何理由的话说明完全没有必要去了解它，因为它可能对我们没有一点用处，这就是所谓的Why；接着就是How，该如何认知一个新的事物，使用什么样的方式和手段，只有在通过逐步的迭代执行What这个步骤和实施How，我们才能逐步了解、认识、理解这个新事物，使其为我所使用。
这里，我们主要对What和Why进行阐述。
Nutch简介
Nutch是一个使用Java编写的开源的搜索引擎框架，这就是关于Nutch的What的初步认识。既然是搜索引擎框架，自然而然是实现了类似 ...
- 2009-05-10 22:57
- 浏览 1629
- 评论(0)
org.apache.nutch.util.NutchConfiguration类是Nutch爬虫的配置类，其中包括爬虫的初始化配置和运行时配置。说到NutchConfiguration类，我认为有必要提到Hadoop的Configuration类，即org.apache.hadoop.conf.Configuration。在Nutch早期开发版本中，Hadoop是Nutch项目的一部分，其中Hadoop主要包含两个部分：一个是HDFS（Hadoop分布式文件系统），当然Hadoop中也支持单机文件系统，另一个是Hadoop实现了Google的MapReduce算法，这是一个非常经典的算法。Nu ...
- 2009-05-10 22:51
- 浏览 1244
- 评论(0)
在没有学习研究Nutch的源代码之前，我认为还是有必要对Nutch的工作流程有一个感性的认识和了解。通过对Nutch工作流程的学习认识，先有一个整体的印象，然后可以很好地指导我们去阅读学习它的源代码，从而更加深入理解Nutch ...
- 2009-05-10 15:41
- 浏览 1229
- 评论(0)
Nutch的大致工作流程可以通过上一篇文章有了一定的了解了。在上一篇文章中，主要是针对一幅Nutch工作流程图片来了解Nutch的工作流程，十分感性，并没有涉及到任何关于Nutch的包和类。这里通过在网上下载的一个《Nutch入门学习》的PDF文档中介绍的内容，来详细组织一下，加深了解，为深入研究Nutch的源代码奠定良好的基础。
这里通过几个标题来叙述。
Nutch爬虫工作策略
Nutch爬虫的工作策略一般则可以分为累积式抓取（cumulative crawling）和增量式抓取（incremental crawling）两种。
累积式抓取是指从某一个时间点开始，通过遍历的方式抓取系统 ...
- 2009-05-10 15:38
- 浏览 1712
- 评论(0)
Nutch-0.9中，org.apache.nutch.crawl.Crawl类中提供了一个入口主函数main，通过接收键入的命令行，根据命令行指定的参数对Nutch进行配置，从而启动Nutch抓取程序，通过阅读org.apache.nutch.crawl.Crawl类的源代码来了解Nutch是如何根据接收的命令行进行配置及其启动的。
org.apache.nutch.crawl.Crawl类的主函数如下所示：
// 应该知道，Nutch查找文件系统是基于Linux系统的机制的，所以提供启动的命令与Linux的Shell命令很相似。
public static vo ...
- 2009-05-10 10:25
- 浏览 1503
- 评论(0)
Nutch源码学习系列之一：Analysis包（原创） - -
Tag： Nutch Lucene Analysis
Nutch源码学习系列之一：Analysis包（原创）
TjuAILab 张步峰
Nutch0.7出来，对于我们这些Lucene爱好者来说，是件兴奋的事情！当时用Nutch0.6做实验已经让我非常兴奋。
Nutch0.7比之0.6又增添了一部分功能，我们开发一些小型搜索引擎可以修改Nutch的一些接口，使之更加用户化。
此节主要讲述Nutch下的Analysis包即p ...
- 2009-05-10 01:39
- 浏览 1919
- 评论(0)