Thanks a lot for your time markus, could you give a link to download index-more.jar fixed
----- Mensaje original ----- De: "Markus Jelsma" <[email protected]> Para: [email protected] Enviados: Martes, 27 de Noviembre 2012 16:26:19 Asunto: RE: problem with text/html content type of documents appears application/xhtml+xml in solr index You indeed need to replace the jar if you come from an older version and if it hasn't been updated. -----Original message----- > From:Eyeris Rodriguez Rueda <[email protected]> > Sent: Tue 27-Nov-2012 22:23 > To: [email protected] > Subject: Re: problem with text/html content type of documents appears > application/xhtml+xml in solr index > > Hi. > I have checked the separation with tab in contenttype-mapping.txt but is ok. > This is my console out with index checker tool > > > bin/nutch indexchecker http://comunidades.uci.cu/ > fetching: http://comunidades.uci.cu/ > parsing: http://comunidades.uci.cu/ > contentType: application/xhtml+xml > host : comunidades.uci.cu > custom-h1 : Comunidades UCI > tstamp : Tue Nov 27 16:10:47 CST 2012 > custom-strong : GESPRO > custom-strong : Personalice su página según sus necesidades y > preferencias > date : Tue Nov 27 16:10:47 CST 2012 > type : application/xhtml+xml > type : application > type : xhtml+xml > lang : gl > url : http://comunidades.uci.cu/ > content : Comunidades UCI Sign in Register Home Projects Help Search : > Comunidades UCI DevGirls BlackHat coden > title : Comunidades UCI > inlinks : #Ayuda > inlinks : #Cómoen-Comunidades-UCI > inlinks : #Documéntese > inlinks : / > inlinks : /account/register > inlinks : /gespro_help > inlinks : /links > inlinks : /login > inlinks : /news > inlinks : /news/76 > inlinks : /news/77 > inlinks : /news/78 > inlinks : /news/79 > inlinks : /news/80 > inlinks : /projects > inlinks : /projects/coj > inlinks : /projects/comunidad > inlinks : /projects/kgetmms > inlinks : /projects/konoha > inlinks : /projects/lua > inlinks : /projects/lxkblayoutsetter > inlinks : /projects/lycan-ide > inlinks : /projects/progcomp > inlinks : /projects/sigest > inlinks : /projects/xfce4-globalmenu > inlinks : /search > inlinks : /tab/system_show > inlinks : /users/132 > inlinks : /users/440 > inlinks : /users/629 > inlinks : /users/976 > inlinks : http://comunidades.uci.cu > inlinks : http://comunidades.uci.cu/gespro-help/ > inlinks : http://comunidades.uci.cu/git/lxkblayoutsetter.git > inlinks : http://comunidades.uci.cu/projects > inlinks : http://comunidades.uci.cu/projects/cised > inlinks : http://comunidades.uci.cu/projects/erlang > inlinks : http://comunidades.uci.cu/projects/java > inlinks : http://comunidades.uci.cu/projects/porycomgobelectronic > inlinks : http://comunidades.uci.cu/projects/progcomp > inlinks : http://comunidades.uci.cu/projects/proycaxtor > inlinks : http://comunidades.uci.cu/projects/proycombd > inlinks : http://comunidades.uci.cu/projects/proycombpmsoa > inlinks : http://comunidades.uci.cu/projects/proycomcedin > inlinks : http://comunidades.uci.cu/projects/proycomcolaborativo > inlinks : http://comunidades.uci.cu/projects/proycommultimedia > inlinks : http://comunidades.uci.cu/projects/proycomprogramacion > inlinks : http://comunidades.uci.cu/projects/proycomsoftlibre > inlinks : http://comunidades.uci.cu/projects/proyphp > inlinks : http://comunidades.uci.cu/projects/ucicom > inlinks : http://comunidades.uci.cu/projects/ucicom/documents > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Acerca_de_Comunidades_UCI > inlinks : http://comunidades.uci.cu/projects/ucicom/wiki/Autenticación > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/C%C3%B3digo_de_%C3%A9tica > inlinks : http://comunidades.uci.cu/projects/ucicom/wiki/Contacto > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Cr%C3%A9ditos_y_bonificaciones > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Gu%C3%ADa_de_proyectos_exitosos > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Lineamientos_m%C3%ADnimos_de_calidad > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Manual_del_usuario > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Preguntas_Frecuentes > inlinks : http://comunidades.uci.cu/projects/ucicom/wiki/Registro > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Reporte_incidencias > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Revisi%C3%B3n_de_componentes > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Solicitar_nueva_comunidad > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Solicitar_nuevo_proyecto > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/T%C3%A9rminos_y_Condiciones > inlinks : > http://comunidades.uci.cu/projects/ucicom/wiki/Unirse_a_un_proyecto > outlinks : http://blogs.prod.uci.cu/BlackHat > outlinks : http://blogs.prod.uci.cu/DevGirls > outlinks : http://blogs.prod.uci.cu/codeninja > outlinks : http://blogs.prod.uci.cu/desarrolloSOA/ > outlinks : http://blogs.prod.uci.cu/echo > outlinks : http://blogs.prod.uci.cu/gestionproyecto/ > outlinks : http://blogs.prod.uci.cu/humanOS > outlinks : http://blogs.prod.uci.cu/micro > outlinks : http://blogs.prod.uci.cu/nova/ > outlinks : http://coj.uci.cu/general/about.xhtml > outlinks : http://pgs.soporte.uci.cu > outlinks : http://portal.albet.prod.uci.cu > outlinks : http://portal.calisoft.prod.uci.cu > outlinks : http://portal.cdae.prod.uci.cu > outlinks : http://portal.cedin.prod.uci.cu > outlinks : http://portal.cegel.prod.uci.cu > outlinks : http://portal.ceige.prod.uci.cu > outlinks : http://portal.cenia.prod.uci.cu > outlinks : http://portal.cesim.prod.uci.cu > outlinks : http://portal.cice.prod.uci.cu > outlinks : http://portal.cidi.prod.uci.cu > outlinks : http://portal.cised.prod.uci.cu > outlinks : http://portal.datec.prod.uci.cu > outlinks : http://portal.dgp.prod.uci.cu > outlinks : http://portal.dt.prod.uci.cu > outlinks : http://portal.fortes.prod.uci.cu > outlinks : http://portal.frcav.cav.uci.cu > outlinks : http://portal.frgrm.grm.uci.cu > outlinks : http://portal.frhab.hab.uci.cu > outlinks : http://portal.geitel.prod.uci.cu > outlinks : http://portal.geysed.prod.uci.cu > outlinks : http://portal.hlg.uci.cu > outlinks : http://portal.isec.prod.uci.cu > outlinks : http://portal.tlm.prod.uci.cu > outlinks : http://portal.vcl.uci.cu/ > outlinks : http://postgresql.uci.cu > outlinks : http://www.redmine.org/ > outlinks : http://www.redmine.org/guide > contentLength : 5280 > > and this is the page code that i check with firefox. > > <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" > "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd";> > <html xmlns="http://www.w3.org/1999/xhtml"; xml:lang="en"> > <head> > <meta http-equiv="content-type" content="text/html; charset=utf-8" /> > <title>Comunidades UCI</title> > ....continue > > > > I need to replace index-more.jar plugin ? > > > > > ----- Mensaje original ----- > De: "Markus Jelsma" <[email protected]> > Para: [email protected] > Enviados: Martes, 27 de Noviembre 2012 15:33:20 > Asunto: RE: problem with text/html content type of documents appears > application/xhtml+xml in solr index > > Hi - are you sure you have tabs separating the target and the mapped mimes? > Use the nutch indexchecker tool to quickly test if it works. > > -----Original message----- > > From:Eyeris Rodriguez Rueda <[email protected]> > > Sent: Tue 27-Nov-2012 21:18 > > To: [email protected] > > Subject: RE: problem with text/html content type of documents appears > > application/xhtml+xml in solr index > > > > Hi. Markus. > > I was doing your recommendations but, my problem persist, some documents > > still with application/xhtml+xml instead of text/html. > > I add the property to nutch-site.xml and make the > > conf/contenttype-mapping.txt file > > <property> > > <name>moreIndexingFilter.mapMimeTypes</name> > > <value>true</value> > > </property> > > > > I'm using nutch 1.5.1. Tell me if I need to replace index-more.jar in > > plugin directory with any fixed version ? 10mo. ANIVERSARIO DE LA CREACION DE LA UNIVERSIDAD DE LAS CIENCIAS INFORMATICAS... CONECTADOS AL FUTURO, CONECTADOS A LA REVOLUCION http://www.uci.cu http://www.facebook.com/universidad.uci http://www.flickr.com/photos/universidad_uci
