Nutch源代码解读--2

Nutch0.9代码详细分析之2 主要分析网页爬取之后的页面处理

      前一次主要介绍了Nutch爬取网页的流程，在爬取完网页后返回一个ProtocalOutput对象，对爬行回来的信息进行了封装，包括ProtocalStatus返回的HTTP状态码，Content网页的主体内容等信息信息。在Fetcher中，如果我们继续往下看，会看到nutch根据不同的ProtocalStatus返回的状态码进行相应页面主体内容的分析处理。主要的代码如下，分析见注释 fetcherThread.run()的方法主体框架:       前一次主