在nutch抓取/分段文件夹中查看数据

Question

我有一个关于查看crawldb/segments文件夹中的数据的问题。我看到段文件夹中有一个content/part-00000文件夹。如何转储数据（或查看数据）？

这是我所看到的，当是类型ESC :%!xxd二进制文件（我删除了十六进制代码）

SEQ.org.apache.hadoop.io.Text 
org.apache.nutch.parse.ParseText. 
.org.apache.hadoop.io.compress. 
DefaultCodec http://localhost:8001/a.html 

和多个字符这样。

这没什么意义。这看起来不像我在本地页面上的数据。有没有另外一种方式来看待这个问题，还是应该看一个不同的地方？

Answer 1

运行从Nutch的家以下命令：

bin/nutch readseg -dump crawl/segments/your_segment output -nofetch -noparse -noparsetext 

要知道什么命令，你可以使用Nutch使用，尝试运行

bin/nutch 

我希望帮助。