Heritrix在eclipse中的配置过程(1.14.4版本)
来源:互联网 发布:邮箱查域名 编辑:程序博客网 时间:2024/04/26 12:16
Eclipse中配置使用Heritrix-1.14.4
在网上找了不少方法,但配置之后均可以登录,但配置抓取任务的moudles的时候网页不正常显示(百度了以下应该是某些文件没有执行,具体的原理等了解以后再补充),下面这种方法显示正常:
2. 在Eclipse中新建java project,项目名定为HeritrixProject;
3. 将解压后的heritrix-1.14.4-src.zip中src/java/下的com,org,st文件夹复制到工程的src目录下;
4. 将src/conf下的modules,profiles,selftest文件夹和heritrix.propertries,jndi.properities文件复制到工程的src目录下;
5. 解压heritrix-1.14.4-zip将webapps文件夹复制到工程根目录下;
6. 将heritrix-1.14.4-src.zip解压中src/resources/org/archive/util中tlds-alpha-by-domain.txt文件复制到工程中org.archive.util包下;
7. 将heritrix-1.14.4-src.zip解压中lib文件夹复制到项目根目录;
8. 打开工程中的heritrix.propertries文件修改以下配置项
a) heritrix.version= 1.14.4,配置heritrix版本号
b) heritrix.jobsdir= jobs,配置爬取的内容的放置文件夹
c) heritrix.cmdline.admin=username:password,配置webUI登录的用户名和密码
d) heritrix.cmdline.port= 8088,配置webUI的登录端口
9. 将lib文件夹下的后有jar包加入到工程的classpath中(工程右键build path);
10. 在工程中找到org.archive.crawler下的Heritrix.java运行,成功运行结果如下:
10:19:37.985 EVENT Starting Jetty/4.2.23
10:19:38.139 EVENT Started WebApplicationContext[/,Heritrix Console]
10:19:38.227 EVENT Started SocketListener on 127.0.0.1:8088
10:19:38.227 EVENT Started org.mortbay.jetty.Server@5861
Heritrix version: 1.14.4
11.打开浏览器,输入地址:http://localhost:8088输入用户名和密码就可以登录到后台,如下图所示:
可能遇到的异常:
1>Thread-10 org.archive.util.ArchiveUtils.<clinit>() TLD list unavailable
solution:将解压后的heritrix-1.14.4-src.zip中src/resources/下中将文件org/archive/util/tlds-alpha-by-domain.txt复制到工程中的org/archive/util目录下即可;
2> Exception in thread "main" org.mortbay.util.MultiException[java.net.BindException: Address already in use: JVM_Bind]
solution: 由于端口被占用,可先关闭Eclipse停止相关进程,然后在开启即可;
3> 找不到类 sun.net.www.protocol.file.FileURLConnection:
solution: sun包是受保护的包,默认只有sun公司的软件才能使用。Eclipse会报错,把对保护使用warning就可以了。Windows -> Preferences -> Java -> Compiler -> Errors/Warnings-> Deprecated and trstricted API -> Forbidden reference (access rules): -> change to warning;
4> The method finalTasks() of type AdaptiveRevisitFrontier must override a superclass method:
Solution: 去掉该类中此方法上方的@Override即可;
5> Sometimes, 各个包及文件都没错,Heritrix仍会报错,尝试将工程目录下的爬取内容的放置文件夹jobs去掉。
0 0
- Heritrix在eclipse中的配置过程(1.14.4版本)
- 在Eclipse中的配置Heritrix 1.14.3
- eclipse中配置heritrix的过程----heritrix-1.14.4
- 在Eclipse中的配置Heritrix
- Heritrix在Eclipse中的配置
- heritrix在eclipse中的配置
- Heritrix 在 Eclipse 中的配置
- Heritrix-1.12.1在Eclipse中的配置
- Heritrix-1.12.1在Eclipse中的配置
- Heritrix-1.12.1在Eclipse中的配置
- Heritrix-1.12.1在Eclipse中的配置
- eclipse中配置heritrix的图文过程----heritrix-1.14.3
- eclipse中配置heritrix的图文过程----heritrix-1.14.3
- Eclipse 配置 Heritrix 1.14.4
- 【Heritrix基础教程】在Eclipse中配置Heritrix
- 在Eclipse中配置Heritrix
- 在Eclipse中配置Heritrix
- Eclipse中配置Heritrix-1.14.4
- mac 系统右键创建打开shell
- 斐波那契数列
- CUDA5.5+vs2010 环境配置
- 后台服务
- CocosBuilder简单实例 - 1. 加载一个Layer并连接到类
- Heritrix在eclipse中的配置过程(1.14.4版本)
- C Ch10重點整理-Preprocessor
- 后台服务
- 利用递归求字符串长度----strlen
- python--内建os.walk遍历目录
- 中高考改革方案落地 英语退出"消息不实
- 获取mysql内容,生成xml文件,并且以webservice形式发送
- 转型中 UE4 + Blender 自学随记 01
- C# Parallel类的作用