Heritrix1.14.4 Web后台使用简介

        启动Heritrix后，访问http://localhost:6789就可以打开Heritrix的登录界面，登录后即进入了Heritrix Web后台的主页：

 console: Heritrix的控制台，会显示Heritrix的抓取任务和分配给Heritrix的Heap使用情况

   Jobs：Heritrix的抓取任务界面，比如创建抓取任务，已挂起的任务，已完成的任务统计

   Profiles:Heritrix抓取任务相关的配置

   Logs:Heritrix的运行日志

   Reports:Heritrix的统计报表

   Setup:Heritrix实例管理界面以及Heritrix后台登录帐号密码修改

   Help:Heritrix的使用帮助文档

 

 首先我们需要切到Jobs界面，创建一个Job,如图：

 

  根据一个已经存在的job创建抓取任务

2.   根据一个抓取任务备份来创建抓取任务

3.   根据配置创建抓取任务

4.   按照默认方式创建抓取任务

asd   

    一般我们选择第3种创建方式：

 

 

 

 关于Settings里相关配置项的含义解释说明请看下面这张图：

 修改好后提交创建job,然后就能切到Console界面点击Start来启动抓取任务进行页面抓取

 

 抓取到的网页默认保存在heritrix_hone\jobs目录下，我们创建的每个job都会在jobs目录下生成一个文件夹，命名方式为job名称+当前时间戳的方式，如图：

 虽然Heritrix的web后台是全英文的，但我觉得没什么使用难度，你们多点点它的功能，从宏观上多感受下Heritrix的强大之处。最后是多阅读下Help界面里列出的一些帮助文档，这是你学习Heritrix最宝贵的资料：

 

  益达的GitHub地址：请猛戳我，用力，吃点劲儿！！！

益达的新浪微博：看这里，看这里

益达的技术交流社区：码农们，I want you!!!

 

   益达Q-Q:                7-3-6-0-3-1-3-0-5

 

 

   益达的Q-Q群：      1-0-5-0-9-8-8-0-6

 

 

 

 

 

 

 

 

 

 

 

 

 

 

评论

1 楼 u011643314 2015-09-10  

为什么我的有些界面没有呢，你那个select的界面在哪呢，我怎么没发现，也找到呢，而且jobs下面有虽然有但是是抓取任务的一些配置，根本没有数据的节奏啊，