在Eclipse中构建Heritrix 1.xx

在Eclipse中构建Heritrix 

这里采用的是Heritrix 1.14.4 

1.首先从http://sourceforge.net/projects/archive-crawler/ 中下载 
heritrix-1.14.4.zip 
heritrix-1.14.4-src.zip 

2.在Eclipse 中创建一个java project的工程,分别对 
heritrix-1.14.4.zip 
heritrix-1.14.4-src.zip 进行解压。 

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。 

 

显示代码打印1 /**   

2  * @throws IOException   

3  * @return Returns the directory under which reside the WAR files   

4  * we’re to load into the servlet container.   

5  */    

6 public static File getWarsdir()    

7 throws IOException {    

8     return getSubDir("webapps");    

9 }

 

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

 

显示代码打印1 //设置用户密码    

2 heritrix.cmdline.admin = admin:admin    

3 //设置端口    

4 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.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 

05:22:32.875 EVENT  Starting Jetty/4.2.23  
05:22:32.937 WARN!! Delete existing temp dir C:\DOCUME~1\ADMINI~1\LOCALS~1\Temp\Jetty_127_0_0_1_8080__ for WebApplicationContext[/,jar:file:/D:/workspace/jcjcd/heritrixDemo/webapps/admin.war!/]  
05:22:33.062 EVENT  Started WebApplicationContext[/,Heritrix Console]  
05:22:33.156 EVENT  Started SocketListener on 127.0.0.1:8080  
05:22:33.156 EVENT  Started org.mortbay.jetty.Server@1f6f0bf  
Heritrix version: @VERSION@