- 1、本文档共12页,可阅读全部内容。
- 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、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、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)