为什么纳奇不知道“上次修改”?

我发现了问题。这是一个疯子。我已经给Nutch开发者列表发了邮件,但我的解决方法是:

Index: src/plugin/protocol-http/src/java/org/apache/nutch/protocol/http/HttpResponse.java
===================================================================
--- src/plugin/protocol-http/src/java/org/apache/nutch/protocol/http/HttpResponse.java  (revision 802632)
+++ src/plugin/protocol-http/src/java/org/apache/nutch/protocol/http/HttpResponse.java  (working copy)
@@ -124,11 +124,15 @@
         reqStr.append("\r\n");
       }

-      reqStr.append("\r\n");
       if (datum.getModifiedTime() > 0) {
         reqStr.append("If-Modified-Since: " + HttpDateFormat.toString(datum.getModifiedTime()));
         reqStr.append("\r\n");
       }
+      else if (datum.getFetchTime() > 0) {
+          reqStr.append("If-Modified-Since: " + HttpDateFormat.toString(datum.getFetchTime()));
+          reqStr.append("\r\n");
+      }
+      reqStr.append("\r\n");     

       byte[] reqBytes= reqStr.toString().getBytes();

现在我在Apache日志中看到了304,我应该在那里看到它们。

我认为您错误地使用了选项名-db.fetch.interval.default。应该是这样。

db.default.fetch.interval(默认获取间隔)

在每次注入的页面被提取之后,下一次应该被提取的天数。30默认情况下。

我刚刚阅读了最新版本的更改日志,发现了以下内容

9. Nutch-61-支持自适应重取间隔和检测 未修改的内容。(ab)

如果您没有安装最新版本,我建议您这样做。

另外,您是否使用-adddays选项进行爬行?