只生成未获取的 url 而不是评分的 Nutch 2.3
Generate only unfetched urls instead of scored Nutch 2.3
在 Nutch 2.x 中有什么方法可以只生成未获取的 url 而不是基于分数吗？
嗯，对于 Nutch 1.x，您可以使用自 Nutch 1.12 以来提供的 jexl 支持（我认为）：
$ bin/nutch generate -expr "status == db_unfetched"
使用此命令，您可以确保只有具有 db_unfetched 状态的 URL 才会被考虑用于生成您要抓取的片段。
此功能在 2.x 分支上仍然不可用，但编写自定义 GeneratorJob 可以解决问题。
另一方面，由于生成器 Job 已经在考虑分数来对要获取的 URL 列表进行排序，也许更简单的方法是编写自定义 ScoringFilter.
例如，如果您看一下：https://github.com/apache/nutch/blob/2.x/src/java/org/apache/nutch/scoring/ScoringFilter.java#L69-L81 ScoringFilter 已经提供了一个 generatorSortValue 方法，仅用于为生成器作业生成评分值，因此您可以编写自己的方法来提升那些具有未获取状态的 URL。
在 Nutch 2.x 中有什么方法可以只生成未获取的 url 而不是基于分数吗？
嗯，对于 Nutch 1.x，您可以使用自 Nutch 1.12 以来提供的 jexl 支持（我认为）：
$ bin/nutch generate -expr "status == db_unfetched"
使用此命令，您可以确保只有具有 db_unfetched 状态的 URL 才会被考虑用于生成您要抓取的片段。
此功能在 2.x 分支上仍然不可用，但编写自定义 GeneratorJob 可以解决问题。
另一方面，由于生成器 Job 已经在考虑分数来对要获取的 URL 列表进行排序，也许更简单的方法是编写自定义 ScoringFilter.
例如，如果您看一下：https://github.com/apache/nutch/blob/2.x/src/java/org/apache/nutch/scoring/ScoringFilter.java#L69-L81 ScoringFilter 已经提供了一个 generatorSortValue 方法，仅用于为生成器作业生成评分值，因此您可以编写自己的方法来提升那些具有未获取状态的 URL。