Nutch 关于读取资源数据的命令

资料来源：http://adt.haotui.com/thread-278-1-1.html

关于读取资源数据的命令

最近在研究nutch，整理了一下关于读取资源数据的命令。

1.查看crawldb数据库：bin/nutch readdb url/crawldb/ -stats     这个命令能够查看url地址总数和它的状态及评分。
查看每一个url地址的详细内容，导出数据：bin/nutch readdb url/crawldb/  -dump crawldb(导出的地址)

查看具体的url，以163为例：bin/nutch  readdb url/crawldb/ -url http://www.163.com/

2.查看linkdb数据库的连接状况：bin/nutch readlinkdb url/linkdb/ -url http://www.163.com/

导出linkdb数据库文件：bin/nutch readlinkdb url/linkdb/ -dump linkdb(导出的地址)

3.查看segments：bin/nutch readseg -list -dir url/segments/   能够看到每个segments的名称，产生的页面数，抓取的开始时间和结束时间，抓取数和解析数。

导出segments：bin/nutch readseg -dump url/segments/20090309103156 segdb