Yahoo выпустили в opensource свой краулер для семантик веба. Очень приятная полнота, плагин для nutch (а не свой велосипед). Вообще здорово, что большие компании все еще вкладываются в опенсорс - это значит для человечества еще не все потеряно github.com/yahoo/anthelion

yahoo/anthelion

anthelion - Anthelion is a plugin for Apache Nutch to crawl semantic annotations within HTML pages