heritrix1.14.4 源代码在eclipse下最简单的配置方法-------不会报错！

网络上关于hertrix的配置的文章很多，其实源代码文件夹很多东西可以不需要，下面给一个简单的配置。

 

 

1.下载heritrix-1.14.4-src.zip 并解压

 

2.新建一个java项目，将解压后的heritrix-1.14.4-src/heritrix-1.14.4/src/java 目录下的

  com，org，st 三个文件夹拷贝到自己项目的src中

 

3.将heritrix-1.14.4/src/resources/org/archive/util 目录下的tlds-alpha-by-domain.txt 拷贝到自己项目的src/org/archive/util 下 （注：不然会报空指针异常，感谢      http://blog.csdn.net/strawbingo/archive/2010/07/11/5726341.aspx  提供解决）

 

4. 拷贝heritrix-1.14.4-src/heritrix-1.14.4/src 下的 webapps与conf 文件夹到你项目的根目录（即与自己项目的src目录平行）

（注： 其实 conf目录也可以不用这样放置，将conf文件夹下所有东西复制到自己项目的src目录下依然可以运行 ）

 

5. 将源代码中的lib目录中的jar包全部加入到你的classpath中

 

6. 打开conf下面的 heritrix.properties（如果你在第5步中采用复制conf下文件到项目src下，你就在src下找这个文件）， 定位到12  行，将heritrix.version = @version@ 修改为 heritrix.version = 1.14.4，定位到第19行，将 heritrix.cmdline.admin =     的“=”后面 加入用户名密码，修改后如：heritrix.cmdline.admin = admin:123 （前面用户名，后面密码，中间用分号隔开） 其中的heritrix.cmdline.port = 8080 为端口，你可以自己修改

 

--------------------至此你便可以运行org.archive.crawler.Heritrix.java启动程序了。

   

              并可以在浏览器下输入 http://localhost:8080/    输入用户名与密码（admin：123） 登陆

 

--------------------------

 

    时间关系，下次再记录怎么配置一次抓取任务，并谈论下怎么修改源代码定制自己的爬虫。