Heritrix

关于Heritrix使用的步骤

 

 
1.关于安装:
 
      目前的版本号为1.14.3,官网地址为 http://crawler.archive.org/。常规安装,即解压到相关目录,之后配置系统环境变量"HERITRIX_HOME"到该解压目录(Java环境已经配置好)。
 
 
2.安装的后续工作:
 
      将 %HERITRIX_HOME%/heritrix-1.14.3.jar 解压到临时目录,拷贝其中的profiles目录到 %HERITRIX_HOME%/conf/目录下,用来解决Heritrix 关于的Profile默认配置的一个Bug。
 
 
3.配置管理帐户:
 
      拷贝 %HERITRIX_HOME%/conf/jmxremote.password.template 到 %HERITRIX_HOME%/下,并且重命名为"jmxremote.password"。之后编辑该文件内容关于密码的部分:
monitorRole  @PASSWORD@         monitorRole  admin
controlRole  @PASSWORD@    controlRole  admin
      修改完毕之后,保存该文件。并且需要将该文件的属性改为“只读”。然后有很重要的一步:在该文件jmxremote.password的属性窗口中查看 “安全”标签,该标签下的第一项“组或用户名称”下要确认该文件的所有权应该只隶属于你当前的系统用户,而不应该是某一个用户组(例如 Administrators),这应该是Heritrix安全机制的一个Bug。否则运行Heritrix的时候会报权限错误,需要你修改 jmxremote.password文件的属性为“只读”,但是其实已经做了该项改动。
 
 
4.运行Heritrix:
 
      CMD定位到 %HERITRIX_HOME%/bin,执行 "heritrix --admin=admin:admin" 命令,即可启动 heritrix,有一点需要注意,heritrix默认使用8080端口,要保证系统端口没有冲突,最好把改成别的端口。之后便可以访问 http://127.0.0.1:8080 使用 heritrix 提供的WUI,即Web管理端。并且使用"admin/admin"登录。
      该管理端提供了Heritrix默认提供的所有配置功能,并且可以创建一个Job并且执行该Job抓取网站。
 


本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/hongxing4hao/archive/2007/07/17/1695124.aspx


你可能感兴趣的:(Heritrix)