7
Actualmente recogiendo información donde debería usar Nutch con Solr (dominio - búsqueda web vertical).Nutch versus Solr
¿Podría sugerirme?
A
Respuesta
14
Nutch es un framework para construir rastreadores web y motores de búsqueda. Nutch puede hacer todo el proceso desde la recopilación de páginas web hasta la construcción del índice invertido. También puede impulsar esos índices a Solr.
Solr es principalmente un motor de búsqueda con soporte para búsquedas con facetas y muchas otras funciones útiles. Pero Solr no busca los datos, tienes que alimentarlos.
Así que tal vez lo primero que debe preguntar para elegir entre los dos es si tiene o no los datos para indexar ya disponibles (en XML, en un CMS o en una base de datos). En ese caso, probablemente solo deberías usar Solr y darle esos datos. Por otro lado, si tiene que buscar los datos de la web, es probable que sea mejor con Nutch.
Cuestiones relacionadas
- 1. Uso del rastreador Nutch con Solr
- 2. Nutch: datos leídos y adición de metadatos
- 3. ¿Cómo creamos un motor de búsqueda simple usando Lucene, Solr o Nutch?
- 4. Nutch API advice
- 5. ¿Cómo usar Nutch Solrindex para indexar múltiples núcleos?
- 6. Nutch-Cygwin Cómo configurar JAVA_HOME
- 7. pymssql versus pyodbc versus adodbapi versus ...
- 8. se arrastra usando Nutch ... Muestra una IOException
- 9. Nutch No hay agentes listados en 'http.agent.name'
- 10. Cómo obtener el contenido html de nutch
- 11. metaphone versus soundex versus NYSIIS
- 12. _Expand versus new versus GNU
- 13. Control.ResolveUrl versus Control.ResolveClientUrl versus VirtualPathUtility.ToAbsolute
- 14. zend-framework versus Kohana versus Symfony
- 15. ¿Solr tiene API para leer solr schema.xml?
- 16. Actualizar solr 1.4 index a solr 3.3?
- 17. $ versus jQuery
- 18. Solr Container
- 19. configuración Solr
- 20. Nutch no rastrea todos los eslabones de forma
- 21. Nutch: Invocar en Java, ¿no en la línea de comandos?
- 22. ¿Ha indexado los resultados de rastreo nutch usando elasticsearch anteriormente?
- 23. Nutch en problema de EMR leyendo de S3
- 24. ArrayList versus una matriz de objetos versus Colección de T
- 25. Cómo impulsar un documento SOLR al indexar con/solr/update
- 26. Solr: ¿Recuperar nombres de campo de un índice de solr?
- 27. log4net versus TraceSource
- 28. JQuery Click versus Change
- 29. C# Assert.AreNotEqual versus Igual
- 30. SOAP versus HTTP
Tengo que buscar los datos de la web, pero de una manera más sofisticada que el rastreador de Nutch. Y como sé, es muy difícil modificar el rastreador de Nutch (por ejemplo, para ignorar robots.txt, detectar js-redirects, etc.). Mi elección es Solr? ¿Qué Solr puede ese Nutch no puede? – Jeriho
Como dije, Solr es un motor de búsqueda. No hay nada dentro para rastrear la web. Pero si tiene un rastreador propio que funciona bien para usted, debería ser fácil enviar los datos a Solr. –