Hi, The daily indexing seems to be working so far (field "indexed" is updated), but pages that return a 404 are not removed from the solr index. The content they return is also no included in the index. They just seem tot be ingnored. At first db.update.purge.404 was set to true, but upon reading a bit further on that setting it seemed to me that this would remove the pages from the Nutch db, essentially leaving them alone without updating the solr index. So I changed it to false, hoping that they would now be removed from the index. Alas, nothing changed.
Another issue is that the title tag contents appears at the beginning of the "content" field before the actualy page contents. This looks a bit silly so I searched for a place where it might be configured. Nothing in schema.xml, schema-solr4.xml and solrindex-mapping.xml. Maybe I've overlooked something, but I couldn't find any setting that might explain this. Is there a way to remove the title tag contents from the "content" field? -- Met vriendelijke groet, Jigal van Hemert | Ontwikkelaar Langesteijn 124 3342LG Hendrik-Ido-Ambacht T. +31 (0)78 635 1200 F. +31 (0)848 34 9697 KvK. 23 09 28 65 [email protected] www.alternet.nl Disclaimer: Dit bericht (inclusief eventuele bijlagen) kan vertrouwelijke informatie bevatten. Als u niet de beoogde ontvanger bent van dit bericht, neem dan direct per e-mail of telefoon contact op met de verzender en verwijder dit bericht van uw systeem. Het is niet toegestaan de inhoud van dit bericht op welke wijze dan ook te delen met derden of anderszins openbaar te maken zonder schriftelijke toestemming van alterNET Internet BV. U wordt geadviseerd altijd bijlagen te scannen op virussen. AlterNET kan op geen enkele wijze verantwoordelijk worden gesteld voor geleden schade als gevolg van virussen. Alle eventueel genoemde prijzen S.E. & O., excl. 21% BTW, excl. reiskosten. Op al onze prijsopgaven, offertes, overeenkomsten, en diensten zijn, met uitzondering van alle andere voorwaarden, de Algemene Voorwaarden van alterNET Internet B.V. van toepassing. Op al onze domeinregistraties en hostingactiviteiten zijn tevens onze aanvullende hostingvoorwaarden van toepassing. Dit bericht is uitsluitend bedoeld voor de geadresseerde. Aan dit bericht kunnen geen rechten worden ontleend. ! Bedenk voordat je deze email uitprint, of dit werkelijk nodig is !
