{{{
#!html
<div style="text-align: center; color:#151B8D"><big style="font-weight: bold;"><big><big>
nutch 1.2 測試
</big></big></big></div> <div style="text-align: center; color:#7E2217"><big style="font-weight: bold;"><big>
並加測 protocal : ftp, file , 功能： pdf , url-filter
</big></big></div>
}}}
[[PageOutline]]



 = File 測試 = 
 搜尋時，不會自動列出該目錄的內容並從而深入進去，需要檔案一個一個指定於url.txt中，並且file 無法跟 http 一起使用

 = FTP 測試 = 
 ok , 深度也沒問題，但是某些 pdf , word 無法解析，但 html , txt 都 ok 

 = 過濾器 crawl-urlfilter.txt =

 = 解析器 tika =
[http://www.ibm.com/developerworks/cn/opensource/tutorials/os-apache-tika/index.html 用 Apache Tika 理解信息内容]
nutch 1.2 所附得 pdf 解析器為 pdfbox 0.7.3 ，現在最新的版本為 1.3.1 ，也許置換成最新的就可以解決部份中文不支援的問題，但是更換需要改寫程式碼

 * http://blog.ring.idv.tw/comment.ser?i=316
 * http://blog.ring.idv.tw/comment.ser?i=309