Nutch：すべてのURLのシードURLを取得

Question

Nutchを画像クローラとして設定しようとしていますが、すでにクロール後に画像URLを取得する可能性があります。 各画像URLのシードURLを取得したいのですが、どうすればいいですか？ ありがとうございました！

Answer 1

クロールされたセグメントからlinkdb（逆インデックス）を生成して、URLの親を取得する可能性があります。 URLに親が1つある場合、そのURLの種となります。
コマンドのヘルプについては、thisおよびthisをお読みください。