Eclipse中调试Nutch2.0
Eclipse中调试Nutch2.0
很早官方就开始了nutch2.0的研发,而一直都是两线同时研发的,一个是普通版,一个是gora版本,也就是nutch2.0。下面介绍下怎样把项目导进eclipse中,这里我们的存储层使用nosql cassandra,本来想先使用mysql试试,发现启动不了爬虫,调试下发现原来还没有完全实现gora的sql数据库的存储功能,所以选择易用的cassandra作为测试。
需要知识:nutch基本知识,cassandra基本知识,用maven管理项目,用git管理下载项目。
需要工具:安装有maven插件的eclipse(插件可以通过eclipse的market place下载)
1.下载导入项目
先从https://github.com/apache/nutch/tree/release-2.0把nutch2.0项目下载下来(windows点zip按钮会打包下载)
eclipse中把项目导进去(file-import-maven-existing maven project)
2.添加依赖
导进去后src/java和src/test已经是源文件目录了,还必须把
/conf
/src/plugin/protocol-httpclient/src/java
/src/plugin/urlfilter-domain/src/java
/src/plugin/lib-http/src/java
/src/plugin/protocol-http/src/java
/src/plugin/urlfilter-suffix/src/java
/src/plugin/urlfilter-regex/src/java
/src/plugin/lib-regex-filter/src/java
/src/plugin/urlnormalizer-basic/src/java
/src/plugin/urlnormalizer-pass
/src/javasrc/plugin/urlnormalizer-regex/src/java
/src/plugin/scoring-opic/src/java
/src/plugin/parse-html/src/java
这些基本插件添加到classpath中,parse-html还需要用到额外的jar包,
还要nekohtml、tagsoup这两个jar包。我们在下面的pom中添加。
3.添加额外的jar包到pom文件
添加下面依赖到pom.xml文件,去掉原有的gora-core和gora-sql依赖
- <dependency>
- <groupId>org.apache.gora</groupId>
- <artifactId>gora-core</artifactId>
- <version>0.2</version>
- <optional>true</optional>
- </dependency>
- <dependency>
- <groupId>org.apache.gora</groupId>
- <artifactId>gora-cassandra</artifactId>
- <version>0.2</version>
- <optional>true</optional>
- </dependency>
- <!-- html parser dependency -->
- <dependency>
- <groupId>net.sourceforge.nekohtml</groupId>
- <artifactId>nekohtml</artifactId>
- <version>1.9.15</version>
- </dependency>
- <dependency>
- <groupId>org.ccil.cowan.tagsoup</groupId>
- <artifactId>tagsoup</artifactId>
- <version>1.2</version>
- </dependency>
如果下载不了gora的包,可以到http://gora.apache.org/releases.html#Download下载后放到maven仓库。
Nutch的详细介绍:请点这里
Nutch的下载地址:请点这里
|
评论暂时关闭