在eclipse中设置heritrix2的运行环境

在eclipse中设置heritrix2的运行环境

 

基本上根据heritrix的文档就可以设置好，不过中间会很有些坎坷。把坎坷记录下来备忘。希望对遇见同样问题的人有所帮助。heritrix的文档参见：http://webteam.archive.org/confluence/display/Heritrix/Setting+up+the+new+Heritrix+in+Eclipse

1、从http://m2eclipse.sonatype.org/update-dev/安装maven的Eclipse插件，选择integration安装就可以了。或者安装单独maven。使用插件的话，要在eclipse.ini中加入jdk的路径，如：
-vm 
C:\jdk1.6.0_07\bin\javaw.exe
切记一定要换行。

2、使用SVN，从https://archive-crawler.svn.sourceforge.net/svnroot/archive-crawler/trunk/heritrix2 下载最新版的源码，现在应该是2.0.3。因为在使用中出现问题，所以不建议使用 heritrix已经打好包的2.0.2的src，除非你愿意自己去改代码 。 

3、在Eclipse中导入项目。建议使用的VM为JDK，而不是JRE。

4、在Eclipse中，设置M2_REPO variable。按缺省操作的话，这个应该自动设好了，否则指到到你实际的maven repository路径。

5、在Eclipse中，依次右键选择commons,modules,engine,webgui,dist和根路径下的pom.xml,Run As--maven Install。这时要保证网络是通的，会自动下载所需要的依赖包。这些会放在maven的repository路径里。不使用插件，直接用maven命令也可以。此处需要注意的是，直接用maven名令和用插件下载的包不完全一样。另外，会有几个包会下载不到。根据错误提示，如果是jar的话，在网上或自己机器里找一个类似版本的jar放到提示路径里；如果是pom文件，就自己编辑一个好了。

6、找到org.archive.crawler.Heritrix，run as或者debug as java application。在VM arguments设置：-Dheritrix.development，在program arguments中设置：
-jjobs路径的绝对地址。--【不设就按缺省。要设置的话，不要在-j后面有空格。应该是-jC:\jobs，下面类似。】
-aadmin --【登录时的密码】
-wC:\heritrix-2\webui\target\heritrix-webui-2.0.3-SNAPSHOT.war --【你自己生成的war实际路径】

完成以上这些，就可以运行了。建议使用非IE浏览器。否则，在有些后台操作时会抛异常。