运行heritrix1.14.4报错 thread-10 org.archive.util.ArchiveUtils.() TLD list unavailable

运行heritrix1.14.4报错 thread-10 org.archive.util.ArchiveUtils.<clinit>() TLD list unavailable

 

最近需要用到heritrix做一个需求，下来研究了一下。

根据网上的文章在eclipse中启动报了下面的错误

 

10:02:59.968 EVENT  Starting Jetty/4.2.23
10:03:00.765 EVENT  Started WebApplicationContext[/,Heritrix Console]
10:03:00.859 EVENT  The scratchDir you specified: F:/project3.5/heritrix/target/jsp-compiled-development is unusable.
10:03:01.000 EVENT  Started SocketListener on 127.0.0.1:8088
10:03:01.000 EVENT  Started org.mortbay.jetty.Server@1f6ba0f
2010-07-10 10:03:01.250 严重 thread-10 org.archive.util.ArchiveUtils.<clinit>() TLD list unavailable
java.lang.NullPointerException
 at java.io.Reader.<init>(Unknown Source)
 at java.io.InputStreamReader.<init>(Unknown Source)
 at org.archive.util.ArchiveUtils.<clinit>(ArchiveUtils.java:759)
 at org.archive.crawler.settings.CrawlSettingsSAXHandler$DateHandler.endElement(CrawlSettingsSAXHandler.java:385)
 at org.archive.crawler.settings.CrawlSettingsSAXHandler.endElement(CrawlSettingsSAXHandler.java:248)
 at com.sun.org.apache.xerces.internal.parsers.AbstractSAXParser.endElement(Unknown Source)
 at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanEndElement(Unknown Source)
 at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl$FragmentContentDispatcher.dispatch(Unknown Source)
 at com.sun.org.apache.xerces.internal.impl.XMLDocumentFragmentScannerImpl.scanDocument(Unknown Source)
 at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)
 at com.sun.org.apache.xerces.internal.parsers.XML11Configuration.parse(Unknown Source)
 at com.sun.org.apache.xerces.internal.parsers.XMLParser.parse(Unknown Source)
 at com.sun.org.apache.xerces.internal.parsers.AbstractSAXParser.parse(Unknown Source)
 at org.archive.crawler.settings.XMLSettingsHandler.readSettingsObject(XMLSettingsHandler.java:298)
 at org.archive.crawler.settings.XMLSettingsHandler.readSettingsObject(XMLSettingsHandler.java:339)
 at org.archive.crawler.settings.SettingsHandler.initialize(SettingsHandler.java:130)
 at org.archive.crawler.settings.XMLSettingsHandler.initialize(XMLSettingsHandler.java:124)
 at org.archive.crawler.admin.CrawlJobHandler.loadProfile(CrawlJobHandler.java:385)
 at org.archive.crawler.admin.CrawlJobHandler.loadProfiles(CrawlJobHandler.java:348)
 at org.archive.crawler.admin.CrawlJobHandler.<init>(CrawlJobHandler.java:217)
 at org.archive.crawler.admin.CrawlJobHandler.<init>(CrawlJobHandler.java:186)
 at org.archive.crawler.Heritrix.<init>(Heritrix.java:405)
 at org.archive.crawler.Heritrix.<init>(Heritrix.java:393)
 at org.archive.crawler.Heritrix.doCmdLineArgs(Heritrix.java:718)
 at org.archive.crawler.Heritrix.main(Heritrix.java:556)

 

虽然报错，但是可以进入登陆页面，UI已经正常启动。

这个东西没有用过，前一天刚刚使用cmd命令运行成功，今天在eclipse中建工程又碰到新问题。

一步一坎啊。

昨天运行的时候后台是没有报这个错误的，但是今天在eclipse下配置文件位置不对也报过NullPointerException的错误。

因此分析还是少了某个文件。

 

 

经过几个小时调试，发现是少了一个名字为tlds-alpha-by-domain.txt的文件。

发布包中对应位置是有该文件的，具体位置为org/archive/util，在该路径下补充该文件就不报错了。

至于该文件的用途还不清楚，有高手可以指点一下。

 

该文件可以在源文件包src/resources路径下找到。