用nutch和solr在每一页中获取特定的标题

Question

我安装了solr和nutch，我的网页结构是每个页面的标题都相同；例如Bank Something；但在每个页面中都有一个ID为TITLE的标签，类似于：

<div ID="TITLE"><h1>my page specific title</h1></div>

我想在solr类似的第二个标题中添加另一个字段，以获取我的页面特定标题并在其中搜索单词

我该怎么做？！

Answer 1

检查Nutch插件，它应该允许您从网页中提取元素。