Eclipse 配置 Heritrix 1.14.4

1. 首先从http://sourceforge.net/projects/archive-crawler/ 中下载

heritrix-1.14.4.zip 和 heritrix-1.14.4-src.zip(Windows)

2. 在Eclipse 中创建一个java project的工程(可以命名为Heritrix)

3. 将heritrix-1.14.4-src.zip解压中的src/java 中的 com、org、st三个文件夹复制到工程src下。

4. 将heritrix-1.14.4-src.zip解压中src中conf文件夹复制到项目根目录。

5. 将heritrix-1.14.4-src.zip解压中lib文件夹复制到项目根目录。

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.zip解压中webapps文件夹复制到项目根目录。

如果文件夹名称不是webapps 需要在Heritrix.java中进行相应的更改。

注意他的位置在

Org.archive.crawler heritrix.java

Java代码







/**
* @throws IOException
* @return Returns the directory under which reside the WAR files

* we're to load into the servlet container.

*/
public static File getWarsdir()

throws IOException {
return getSubDir("webapps");

}

8. 配置文件进行修改,找到conf下heritrix.properties文件

Java代码







//设置用户密码 heritrix.cmdline.admin = admin:admin //设置端口 heritrix.cmdline.port = 8080

//设置用户密码
heritrix.cmdline.admin = admin:admin
//设置端口
heritrix.cmdline.port = 8080

9. 对工程进行jar包引入，将lib下面所有的jar包引入工程。

10.Eclipse中导入Heritrix，报错找不到类 sun.net.www.protocol.file.FileURLConnection，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

11. 添加配置文件夹。如果你运行Heritrix时，在配置页面中没有可选项，这一步可以解决问题。在工程中找到org.archive.crawler.Heritrix.java右键选运行方式配置，选择Classpath ,选择User Entries -- Advanced ,选择Add Folders,将conf文件夹添加进去。点击Run 开始运行

Java代码







07:34:47.484 EVENT Starting
Jetty/4.2.23

07:34:47.906 EVENT
Started WebApplicationContext[/,Heritrix Console]
07:34:48.125 EVENT
Started SocketListener on 127.0.0.1:8080

07:34:48.125 EVENT
Started org.mortbay.jetty.Server@133f1d7

Heritrix version: @VERSION@