-
Nutch
salve a tutti, a me servirebbero il maggiorn numero di informazioni su Nutch, apparte quelle che sono sul sito mi interessava sapere la sintassi che si deve usare per far indicizzare e far fare il crawl a nutch di una directory.
Qualcuno sa come si fa?
che file va modificato e in che modo?
grazie anticipato a tutti per la vostra disponibilitapoetaestinto80
-
Ciao poetaestinto80 e Benvenuto sul Forum GT.
L'unico documento in Italiano che ho trovato è dello Studio Cappello.
http://www.studiocappello.it/wm/Motori_di_ricerca_-strumento/motori_di_ricerca_open.html
-
grazie per l'indicazione, ma mi servirebbero informazioni piu precise su l'indicizzazione di directory
-
quindi non c'è nessuno che puo darmi una mano con il problema che ho?
devo indicizzare una directory in locale usando linux.
Ho provato a modificare il file crawl-urlfilter.txt , ma penso di fare alcuni errori di sintassi. io l'ho modifico in questo modo:Creative Commnons crawl filter
Each non-comment, non-blank line contains a regular expression
prefixed by '+' or '-'. The first matching pattern in the file
determines whether a URL is included or ignored. If no pattern
matches, the URL is ignored.
skip file:, ftp:, & mailto: urls
-^(http|ftp|mailto):
skip image and other suffixes we can't yet parse
-.(gif|GIF|jpg|JPG|ico|ICO|css|sit|eps|wmf|rtf|zip|ppt|mpg|xls|gz|rpm|tgz|mov|MOV|exe)$
skip URLs containing certain characters as probable queries, etc.
#-[!@]
#+[?&=%]
-[?!@=]#URLs VALIDE
+^file:///usr/Proventi2/([a-z0-9]*.)/
accept anything else
+.*
Sapete dirmi se ho fatto bene?
