Hi, On 20 September 2017 at 06:36, Michael Coffey <[email protected]> wrote:
> I am trying do develop a news crawler and I want to prohibit it from > wandering too far away from the seed list that I provide. > It seems like I should use the DepthScoringFilter, but I am having trouble > getting it to work. After a few crawl cycles, all the _depth_ metadata say > either 1 or 1000. Scores, meanwhile, vary from 0 to 1 and mostly don't look > like depths. > I have added a scoring.depth.max property to nutch-site.xml. > <property> > <name>scoring.depth.max</name> > <value>3</value> > </property> > > I use the same plugin to only index seed plus one level below. The value for this is 2 so your setup crawls seed plus two levels below. I never looked at the values for the _depth_ metadata and frankly, because it does what it's supposed to do, I personally don't care what it stores in its metadata here. What do I need to do to limit the crawl frontier so it won't go more than N > hops from the seed list, if that is possible? > > As said above, it should be enough to set the value to N+1. -- 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 !
