nutch 0.7 plug-ins 详解

nutch 0.7 plug-ins 详解

最近桂林在关注nutch的进展状况，这里有几个重要的消息要和大家分享： 1、nutch 0.7 发布了; 2、nutch 的java源代码包路径改变成了org.apache... 3、yahoo也使用了nutch,并做了很多的工作。1 2 clustering-carrot2 :            一个搜索结果类聚的代码框架，目前和Egothor等搜  索引擎结合的很好；             地址：http://sourceforge.net/projects/carrot2              相关类：org.apache.nutch.clustering.OnlineClusterer                             Nutch Online Search Results Clustering Plugin                             org.apache.nutch.clustering.carrot2                             Carrot2 Clusterer creativecommons :            一个创作共用的工具集合。地址：http://creativecommons.org/ ；             相关类：                         org.apache.nutch.parse.HtmlParseFilter                         HTML Parse Filter                         org.apache.nutch.indexer.IndexingFilter                         Nutch Indexing Filter                         org.apache.nutch.searcher.QueryFilter                         Nutch Query Filter index-basic :                       相关类：                         org.apache.nutch.indexer.IndexingFilter                         Nutch Indexing Filter index-more : language-identifier : 语言检测工具；                          相关类：                            org.apache.nutch.analysis.lang.LanguageParser                            Nutch language Parser                            org.apache.nutch.analysis.lang                            Nutch language identifier filter                            org.apache.nutch.analysis.lang.LanguageQueryFilter                            Nutch Language Query Filter ontology : 一个概念话的规范，主要是针对人工智能的；                          相关类：                             org.apache.nutch.ontology.Ontology                             Ontology Model Loader parse-ext : parse-html : parse-js :     解析js文档 parse-msword : 解析msword文档 parse-pdf : 解析pdf文档                       相关类：                          org.apache.nutch.parse.pdf.PdfParser parse-rss : 解析Rss格式文档 parse-text : 解析text文档 protocol-file : protocol-ftp : protocol-http : protocol-httpclient : query-basic : query-more : query-site : query-url : urlfilter-prefix : urlfilter-regex :