ntuch solrindex 能索引出anchor數據的方法

      網頁的標題在檢索排名中佔有很重的權重，但是，一些網站管理系統經常用網站名或欄目名作標題，因此，爲了保證文章的檢索的命中率，nutch在生成lucene的數據時，把anchor也做爲排名因素，給予必定的權重。anchor是該網頁在其它網頁中連接給的名稱，從nutch1.3開始，nutch將採集的數據經過solrindex向solr服務器創建索引。

      我在使用solrindex向solr服務器創建索引後，發現anchor的數據項是空項，也就是說anchor的數據沒有寫入到solr的索引文件中。這個問題困擾了我很久。

      打開nutch1.6的源代碼，發現 solrindex有一個選項 -filter，啓用 -filter 選項，會執行IndexingFilters類。IndexingFilters.java專門用來處理 nutch-default.xml 或nutch-site.xml定義的index的插件。因此，要想在solr中看到anchor數據，兩步能夠實現：

1.在nutch-site.xml的plugin.includes中定義index-anchor

<property>
  <name>plugin.includes</name>
  <value>protocol-http|urlfilter-regex|parse-(html|tika|zip|js|swf|msword|mspowerpoint|msexcel|pdf|feed)|index-(basic|anchor|more)|scoring-opic|urlnormalizer-(pass|regex|basic)</value>
</property>

2. 帶 -filter參數執行建索引的命令 ./nutch solrindex 。

nutch的文檔太少了，琢磨出來了，寫出來，也供碰到一樣問題的網友參考。