码迷,mamicode.com
首页 > 其他好文 > 详细

nutch 采集到的数据与实际不符

时间:2014-09-05 12:46:31      阅读:162      评论:0      收藏:0      [点我收藏+]

标签:des   style   blog   color   os   io   for   数据   div   

现象,这个网站我总计能抽取将近500个URL,但实际只抽取了100条

解析:nutch默认从一个页面解析出的链接,只取前 100 个。

<property> <name>db.max.outlinks.per.page</name> <value>100</value> <description>The maximum number of outlinks that well process for a page. If this value is nonnegative (>=0), at most db.max.outlinks.per.page outlinks will be processed for a page; otherwise, all outlinks will be processed. </description> </property>

将这个值改大一些 1000 .

 

nutch 采集到的数据与实际不符

标签:des   style   blog   color   os   io   for   数据   div   

原文地址:http://www.cnblogs.com/i80386/p/3957763.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!