0000115: "no parser found" bei XML-Dokumenten

View Issue Details [ Jump to Notes ]

Project

Category

View Status

Date Submitted

Last Update

0000115

YaCy

[All Projects] General

public

2011-12-27 18:26

2016-09-29 01:53

Reporter

gack

Assigned To

BuBu

Priority

normal

Severity

minor

Reproducibility

always

Status

resolved

Resolution

fixed

ETA

none

Platform

OS Version

Product Version

YaCy 1.0

Target Version

Fixed in Version

Summary

0000115: "no parser found" bei XML-Dokumenten

Description

Bestimmte Dokumente/Seiten werden nicht geparsed

Beispiele:
http://www.worldcat.org/identities/lccn-n81-74650 [^]
http://www.worldcat.org/identities/lccn-n96-101658 [^]

Es handelt sich dabei um XML-Dokumente vom Typ "text/xml".

Quelltextbeispiel: "<?xml version="1.0" ?>
<?xml-stylesheet type="text/xsl" href="/identities/NameFinderResponse.xsl"?>
<Identity type="personal" xmlns=""><creationtime>Wed Nov 17 06:37:48 2010 UTC</creationtime><pnkey>lccn-n81-74650</pnkey> ..."

wget http://www.worldcat.org/identities/lccn-n81-74650 [^]
asking libproxy about url 'http://www.worldcat.org/identities/lccn-n81-74650' [^]
libproxy suggest to use 'direct://' [^]
--2011-12-27 18:17:46-- http://www.worldcat.org/identities/lccn-n81-74650 [^]
Auflösen des Hostnamen »www.worldcat.org«.... 132.174.11.84
Verbindungsaufbau zu www.worldcat.org|132.174.11.84|:80... verbunden.
HTTP Anforderung gesendet, warte auf Antwort... 200 OK
Länge: nicht spezifiziert [text/xml]
In »»lccn-n81-74650«« speichern.

Auf der Parser-Konfigurationsseite (http://localhost:8090/ConfigParser.html [^]) gibt es auch keinen Eintrag für "text/xml".

Steps To Reproduce

Eine der oben angegeben Beispiel-URLs crawlen.

Tags

No tags attached.

Relationships

Notes
(0001314) BuBu (developer) 2016-09-29 01:53	Bei heutigem Test waren die Beispielseiten inzwischen html Seiten <!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd"> [^] <html xmlns="http://www.w3.org/1999/xhtml"> [^] und beide konnten erfolgreich gecrawled. text/xml ist mit commit https://github.com/yacy/yacy_search_server/commit/efcb6a1e74cd814db981d3b4a39ee6c1fa8d609a [^] als Mime unter RSS Parser gelistet.