Löytyykö Java:lle palikkaa joka läpikävisi www-sivuston html- ja xml-tiedostot levyjärjestelmätasolla indeksoiden nuo siten että voisi tehdä otsikkohakuja tai vaikka metadata-hakuja?
Indeksoija
juu
3136
0Äänestä
Muut lukivat myös
Odottaa vastausta
Näihin keskusteluihin ei ole vielä vastattu. Ole ensimmäinen.
Vastaukset 3
Vanhimmat
.. miten apache:n lucene tarkalleen toimii, mutta siihen mä tutustuisin ekana jos tarvii hakukonetta.
http://jakarta.apache.org/lucene/docs/index.html
Lucene:a olen käyttänyt, mutta vaan hakukoneena. Voi olla että tuokin taipuu.
Indeksointi kiinnostaa siten että koko sivustosta saisi koosteen esim. hakemistot, tiedostot, muokkausajat, otsikko- ja metatiedot. Muoto voisi olla esimerkiksi DOM-puu.
Näyttää siltä että NekoHTML on se mitä etsin. Käy tiedostot läpi ja rakentaa yhden suuren XML-dokumentin johon voi tehdä xpath-hakuja...
http://www.apache.org/~andyc/neko/doc/html/