Anthelion 是 Nutch 插件，專注于爬取語義數據。

以1.7為例，之前Nutch的輸出可以自定義其它存儲系統中，具體原理不贅述。 項目有個需求，就是文件仍然保存在HDFS中，而不是索引到其它存儲系統中。

Apache Nutch自帶的Http Fetch組件對于AJAX類型頁面基本是熟視無睹，因此基于Htmlunit組件實現Nutch Plugin形式提供AJAX類型頁面抓取解析支持。

Apache Nutch是一個用于網絡搜索的開源框架，它提供了我們運行自己的搜索引擎所需的全部工具，包括全文搜索和Web爬蟲。

Nutch 是一個開源Java 實現的搜索引擎。它提供了我們運行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬蟲。

Nutch 是一個開源Java 實現的搜索引擎。它提供了我們運行自己的搜索引擎所需的全部工具。包括全文搜索和Web爬蟲。 盡管Web搜索是漫游Internet的基本要求, 但是現有web搜...