Apache Nutch MultiLingual Support
![[http]](/imgs/http.png) Sen을 이용할 수 있게 해주는 NutchAnalysis.jj 패치방법을 참고해 일본어 처리가 가능해졌음. 아직 자동 인식은 못하고 있음.일본어 N-Gram Profile 만들기를 이용해 일본어가 자동 인식되게 할 수 있다. 아직 테스트는 못해봤음.어떻게? ¶java.net의
Introduction to Nutch, Part 1: Crawling과 Introduction to Nutch, Part 2: Searching도 참고해 보면 좋을듯..
시작 ¶로컬에 nutch binary를 설치한 후에
dormael@dormael-desktop:~/nutch-test/nutch-0.8.1$ mkdir test dormael@dormael-desktop:~/nutch-test/nutch-0.8.1$ vi test/nutch dormael@dormael-desktop:~/nutch-test/nutch-0.8.1$ cat test/nutch http://my.domain.name/ 크롤러가 외부 링크로 나가는 것을 막기 위해 아래와 같이 수정.
dormael@dormael-desktop:~/nutch-test/nutch-0.8.1$ vi conf/crawl-urlfilter.txt # accept hosts in MY.DOMAIN.NAME +^http://([a-z0-9]*\.)*my.domain.name/ 문제 발생 및 해결 ¶nutch 크롤러가 상세한 메시지 없이 계속 NullPointerException을 냈음.
찾아본 결과 기본 설정에 추가적으로 필요한 내용이 누락됨.
dormael@dormael-desktop:~/nutch-test/nutch-0.8.1$ vi conf/nutch-site.xml 프로퍼티들 중에 크롤러의 정보를 넣어준 후에 문제없이 실행됨.
기본값이 비어 있어서 Exception이 발생된 것으로 보임.
<name>http.agent.name</name> <value>My Nutch Test</value> <name>http.agent.description</name> <value>Test</value> <name>http.agent.url</name> <value>no</value> <name>http.agent.email</name> <value>no</value> |
You cannot kill time without injuring eternity.    
|
