我使用 Apache Nutch 2.1 爬行了几个网站。
爬行时,我在很多页面上看到以下消息:
前任。跳绳http://www.domainname.com/news/subcategory/111111/index.html http://www.domainname.com/news/subcategory/111111/index.html;不同的批次 ID(空)。
是什么原因导致这个错误?
我该如何解决这个问题,因为具有不同批次ID(空)的页面未存储在数据库中。
我爬取的网站是基于drupal的,但我已经尝试过许多其他非drupal网站。
我想,消息没有问题。 batch_id 未分配给所有 url。因此,如果batch_id为null,则跳过url。当batch_id指定为url时生成url。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)