nu tch 分布式详解 1( Injector) 初始抓取时，没有任何文件，只有几个待抓取的 url 站点信息
假设所有 url 站点存在 rootUrlDir 文件目录下(可以是一个或多个文件，每个文件一行一个 url)
需要将这些 url 导入到 crawldb 中去，以方便在下次 generate 时能够抓取这些网页
这里详细介绍导入函数 injector 的分布式过程
导入函数调用方式为：injector
inject(crawlDb, rootUrlDir)
整体过程包含两个 MapReduce 过程： (1)sortJob：把输入的 url 转换为 crawlDatum 格式； Input: urlDir Mapper:InjectMapper: ---> Output：tempDir OutputFormat：SequenceFileOutputFormat 分析：Map 过程中，一行读取一个 url，并将 url 站点封装成 crawlDatum 对象
每个 url 都经过 urlNormalizers, filters,scfilters 三个过程标记状态： urlNormailizes 在这里为 URLNormalizers
SCOPE_INJECT 状态，将 url 正规化处理，如规范大小写等； filters 由 nutch-site
xml 的“urlfilter
order”属性控制，默认值为空时加载所有的 urlfilter，把一些不符合的 url过滤掉(这里也可以自定义urlfilter，比如过滤某 些不需要抓取的站点)； Scfilters 由“scoring
filter
order”属性控制，默认值是空也是加载所有的 score filter 的 injectedScore 函数； 新构造的 crawlDatum 的 status
