nutch摘要及网页快照分析.doc

  1. 1、本文档共12页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
nutch摘要及网页快照分析

Nutch二次开发总结(一) 2009年06月06日 星期六 16:06 通过一系列的离线活动(对于查询用户而言)的开展,Nutch检索系统相对而言变得简单了许多。在二次开发的时候,需要重点对Nutch的界面及界面显示数据进行适当的调整。 1 摘要提取 1.1 摘要提取源码分析 ** ????? * Low level api to get the most relevant (formatted) sections of the document. ???? * 底层API,获取文档中最相关的(格式化)部分 ????? * This method has been made public to allow visibility of score information held in TextFragment objects. ????? * Thanks to Jason Calabrese for help in redefining the interface. ????? * @param tokenStream ????? * @param text ????? * @param maxNumFragments ????? * @param mergeContiguousFragments ????? * @throws IOException ????? */ ???? public final TextFragment[] getBestTextFragments( ???????? TokenStream tokenStream, ???????? String text, ???????? boolean mergeContiguousFragments, ???????? int maxNumFragments) ???????? throws IOException ????? { ???????? ArrayList docFrags = new ArrayList(); ???????? StringBuffer newText=new StringBuffer(); ???????? TextFragment currentFrag =??? new TextFragment(newText,newText.length(), docFrags.size()); ???????? fragmentScorer.startFragment(currentFrag); ???????? docFrags.add(currentFrag); ???????? FragmentQueue fragQueue = new FragmentQueue(maxNumFragments); ???????? try ????????? { ???????????? org.apache.lucene.analysis.Token token; ???????????? String tokenText; ???????????? int startOffset; ???????????? int endOffset; ???????????? int lastEndOffset = 0; ???????????? textFragmenter.start(text); ???????????? TokenGroup tokenGroup=new TokenGroup(); ???????????? token = tokenStream.next(); ???????????? while ((token!= null)(token.startOffset()maxDocBytesToAnalyze)) ????????????? { ???????????????? if((tokenGroup.numTokens0)(tokenGroup.isDistinct(token))) ????????????????? { ???????????????????? //the current token is distinct from previous tokens - ???????????????????? // markup the cached token group info ???????????????????? startOffset = tokenGroup.matchStartOffset; ???????????????????? endOffset = tokenGroup.matchEndOffset; ???????????????????? tokenText = text.

文档评论(0)

zhuwenmeijiale + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:7065136142000003

1亿VIP精品文档

相关文档