Apache Nutch 1.18 发布了。Nutch是一个成熟的、可用于生产的 Web 爬虫。 Nutch 1.x 可以依靠 Apache Hadoop™ 数据结构进行细粒度配置，这对于批处理非常有用。

此版本包含 30 多个错误修复和改进，部分更新内容如下：

Bug 修复

• javax.ws packaging.type 的可靠解决方案
• 升级 lvy 以解决未设置 package.type 属性的问题
• RobotsRulesParser 命令行检查器，以使用 http.robots.agents 作为后备
• FreeGenerator 实际应用于提取列表的配置数量
• MoreIndexingFilter-无法解析错误的日期

改进

• MoreIndexingFilter 重构：将用于解析 “lastModified” 的数据格式移动到配置文件
• 设置 Tika 1.19 中用于 MIME 检测的 XML SAX 解析池大小
• 升级到 crawler-commons 1.1
• 更新到 Tika 1.25
• 把 commons-jexl 从 2 更新到 3

详细内容请查看更新公告。