Heritrix1.14源码分析（5） 如何让Heritrix在Ecplise等IDE下编程启动

在Heritrix注释里说Heritrix有三种启动方式,但我感觉只有两种：一种是通过tomcat或者JBOSS或者Jetty等Web容器，还有一种自然就是不通过Web直接编程运行。由于第二种方式更适合调试、研究代码，所以这里就介绍下它的编程启动方式吧....这里贴上示例代码以及注释：

   

 import java.io.File;
 import javax.management.InvalidAttributeValueException;
 import org.archive.crawler.event.CrawlStatusListener;
 import org.archive.crawler.framework.CrawlController;
 import org.archive.crawler.framework.exceptions.InitializationException;
 import org.archive.crawler.settings.XMLSettingsHandler;

 public class StartHeritrixByEclipse {

     public static void main(String[] args) throws InterruptedException {
         String orderFile = "D:/heritrix-jobs/startHeritrixByEclipse/order.xml";//order.xml文件路径
         File file = null;   //order.xml文件

         CrawlStatusListener listener = null;//监听器
         XMLSettingsHandler handler = null;  //读取order.xml文件的处理器
         CrawlController controller = null;  //Heritrix的控制器
         try {
             file=new File(orderFile);
             handler = new XMLSettingsHandler(file);
             handler.initialize();//读取order.xml中的各个配置

             controller = new CrawlController();//
             controller.initialize(handler);//从读取的order.xml中的各个配置来初始化控制器

             if (listener != null) {
                 controller.addCrawlStatusListener(listener);//控制器添加监听器
             }
             controller.requestCrawlStart();//开始抓取

             /*
              * 如果Heritrix还一直在运行则等待
              */
             while (true) {
                 if (controller.isRunning() == false) {
                     break;
                 }
                 Thread.sleep(1000);
             }

             //如果Heritrix不再运行则停止
             controller.requestCrawlStop();

         } catch (InvalidAttributeValueException e) {
             // TODO Auto-generated catch block
             e.printStackTrace();
         } catch (InitializationException e) {
             // TODO Auto-generated catch block
             e.printStackTrace();
         } catch (InterruptedException e) {
             // TODO Auto-generated catch block
             e.printStackTrace();
         }

     }

 }

 

这里可以发现，其实只要知道一个order.xml路径就可以开始抓取了(同时还要seeds.txt种子文件),至于order.xml如何配置可以查看我前面的博客:http://guoyunsky.iteye.com/admin/blogs/613412