如何使用nutch和索引特定标签解析html到solr？

Question

我已经安装了 nutch 和 solr 来抓取网站并在其中进行搜索；如您所知，我们可以使用 nutch 的解析元标签插件将网页的元标签索引到 solr 中。（http://wiki.apache.org/nutch/IndexMetatags）现在我想知道有没有办法抓取另一个 html 标签到solr 不是元？（插件或无论如何）像这样：

<div id=something>
      me specific tag
</div>

实际上，我想在此页面中向 solr（某物）添加一个具有“我的特定标签”值的字段。

任何的想法？

Answer 1

您可能需要检查Nutch Plugin，它应该允许您从网页中提取元素。