heritrix 以CrawlController(后台)的方式运

转自  http://blog.csdn.net/songzhen640/archive/2008/07/16/2662443.aspx

 

heritrix 以CrawlController(后台)形式运行的代码实现

理解不一定对,不过我实现了

在文件内可以改写order.xml 在写一个 seeds.txt  其中抓取的内容就在该文件夹内

package main;
import java.io.File;

import javax.management.InvalidAttributeValueException;

import org.archive.crawler.datamodel.CrawlOrder;
import org.archive.crawler.framework.CrawlController;
import org.archive.crawler.framework.exceptions.InitializationException;
import org.archive.crawler.settings.SettingsHandler;
import org.archive.crawler.settings.XMLSettingsHandler;

public class RunMain
{
 public static void main(String args[]) throws InvalidAttributeValueException, InitializationException
 {
    //把order.xml写成文件实例
    File order = new File(
    "F://web//eclipse//workspace//heritrix//jobs//car//order.xml");
    //加载Order
    XMLSettingsHandler xml = new XMLSettingsHandler(order);
    xml.initialize();
    CrawlController crawl = new CrawlController();
    crawl.initialize(xml);
    //运行抓取
    crawl.requestCrawlStart();
 }
}

 

本文来自CSDN博客,转载请标明出处:http://blog.csdn.net/songzhen640/archive/2008/07/16/2662443.aspx

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值