Eclipse下配置Heritrix
琢磨了一天,终于算是把Heritrix在eclipse下配置成功了,一下是配置过程:
1、下载Heritrix-1.10.0 可以到SourceForge.net上去下载，下载地址链接为：http://sourceforge.net/project/showfiles.php?group_id=73833&package_id=73980
2、解压缩Heritrix-1.10.0文件包在本地磁盘中解压缩，用到的时候，直接拷贝文件即可。
3、新建Java Project工程，在Eclipse中新建一个Java Project工程，工程名称为Heritrix。
将Heritrix-1.10.0源文件夹内的lib文件夹拖到Heritrix项目工程下
4、右击工程Heritrix，在弹出的菜单中选择“Build Path->Configure Build Path”,弹出Properties of Heritrix窗口，选择Libraries选项卡，单击右边的Add External JARs。。
将刚才添加到工程项目下的lib文件夹里的所有.jar选中，单击打开“完成”添加运行库的任务。
5、将源文件下的src/java/的org和st两个文件夹直接拖到Heritrix工程项目下的src文件夹内
6、将源文件下的src/conf/下的所有文件和文件夹拖到Heritrix工程项目的src内，并找到heritrix.properties打开，
##############################################################################
# H E R I T R I X P R O P E R T I E S
##############################################################################
# Properties with 'heritrix.' or 'org.archive.crawler.' prefix get loaded
# into System.properties on startup so available via System.getProperties.
# Version is filled in by the maven.xml pregoal. It copies here the project
# currentVersion property.
heritrix.version = @VERSION@
# Location of the heritrix jobs directory.
heritrix.jobsdir = jobs
# Default commandline startup values.
# Below values are used if unspecified on the command line.
heritrix.cmdline.admin =
heritrix.cmdline.port = 8080
heritrix.cmdline.run = false
heritrix.cmdline.nowui = false
heritrix.cmdline.order =
heritrix.cmdline.jmxserver = false
heritrix.cmdline.jmxserver.port = 8081
上面四行红色标识的代码行，一般来说，需要修改。
第一行，heritrix.version指定了Heritrix的版本号，修heritrix.version = 1.10.0
第二行，heritrix.jobsdir指定了Heritrix在执行抓取任务时，抓取到的内容存放的目录，默认在工程下面的jobs目录下面。
第三行，heritrix.cmdline.admin指定了登录WebUI时使用的帐号，默认为空，可以自己随意设定，设定需要按照一定的格式(用户名:密码)，我们修改为：
heritrix.cmdline.admin = admin:admin
其中，用户名和密码使用“:”分隔。
第四行，heritrix.cmdline.port指定了运行Heritrix后台程序，监听的WebUI使用的端口号，默认为8080端口，可以设置一个当前没有占用的端口号，比如我们修改为：
heritrix.cmdline.port = 8085
7、将源文件下的src下的其他文件夹，除conf和java两个文件夹，全部拖到Heritrix工程项目下。
8、右击Heritrix项目工程，字啊run as里设置run configuration，Browse选择工程项目，点击search，输入Heritrix后，弹出Heritrix—org archivecrawler，选择。
点击Apply，Heritrix在控制台输出一段信息：、
04/25/2010 07:42:16 +0000 信息 org.archive.crawler.Heritrix getJndiContext No JNDI Context.
07:42:16.933 EVENT Starting Jetty/4.2.23
07:42:17.717 EVENT Started WebApplicationContext[/,Heritrix Console]
07:42:17.968 EVENT Started SocketListener on 127.0.0.1:8080
07:42:17.968 EVENT Started org.mortbay.jetty.Server@171732b
04/25/2010 07:42:18 +0000
9、 在地址栏输入：HTTP://localhost：8080，可以看到Heritrix的登录界面,输入admin：admin可以登录。
警告 ... 警告...警告.....
Heritrix version: @VERSION@这里省略了3处警告的内容，还在查找原因，已经运行。