regex - Nutch 跳过包含 # 的 URL

Question

我正在学习 Nutch。我已经设置了 nutch 并开始爬行网站。但我无法弄清楚的一件事是如何限制包含#的url，因为由于这个#而发生了多次重复。 我已经检查了 regex-urlfilter.txt

# skip URLs containing certain characters as probable queries, etc.
-[*!@] 

如果我在概念上将 # 添加到这一行，这应该可以工作，但在添加 # 之后它就不起作用了。是因为#用于注释行吗？如果是的话如何修复。

Answer 1

Escape使用反斜杠的 #。