更新一个旧的 Nutch 插件，以便能够在 Nutch 2.3.1 中使用 Xpath 解析

Question

我正在使用 apache Nutch 2.3.1 开发一个项目，我需要能够从下载的 html 页面中提取特定数据。我找到了一个插件 (parse-xml NUTCH-185) 可以帮助我实现这个目的，但它使用的一些库不再存在或已弃用，我打算做的是进行必要的更改以使其兼容使用 Nutch 2.3.1 在 Nutch 编译中给我一个错误的库是这些，你能帮我找到 Nutch 2.3.1 的等价物吗？

import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.nutch.crawl.CrawlDatum;
import org.apache.nutch.crawl.Inlinks;
import org.apache.nutch.parse.ParseData;

Answer 1

Nutch 2.3.1 不是 Nutch 1.x 的下一个版本。 Nutch 在任何给定时间都有 2 个主要 "branches"：Nutch 1.x/master/trunk 和 Nutch 2.x。 Nutch 2.x 与其兄弟非常不同。他们共享许多设计理念，但实现方式不同。简而言之，您找不到那些类，因为它们在 Nutch 2.x 中不存在。

The org.apache.lucene.* are not implemented in Nutch, but used directly from the Apache Lucene library.

Nutch 2.x 与 Nutch 1.x 相比具有非常不同的体系结构。这意味着该插件的更新不仅仅是替换那些导入。您需要调整代码以适应新的体系结构。虽然插件的主要逻辑应该大致相同

更新一个旧的 Nutch 插件，以便能够在 Nutch 2.3.1 中使用 Xpath 解析

Update an old Nutch plugin to be able to use Xpath parsing in Nutch 2.3.1

java

solr

nutch