将Nutch 1.17与EclipseUbuntu 18.04集成

如何解决将Nutch 1.17与EclipseUbuntu 18.04集成

我不知道该指南是否可能已过时，或者我做错了什么。 我刚开始使用坚果，并且已经将其与solr集成在一起，并通过终端通过某些网站进行了爬网/索引。 现在，我试图在Java应用程序中使用它们，所以我一直在这里关注本教程： https://cwiki.apache.org/confluence/display/NUTCH/RunNutchInEclipse#RunNutchInEclipse-RunningNutchinEclipse

我通过Eclipse下载了Subclipse，ivyde和m2e，并且下载了ant，因此我应该具备所有先决条件。 本教程中的m2e链接已损坏，因此我在其他地方找到了它。事实证明，Eclipse在安装时已经安装了它。

在终端中运行“ ant eclipse”时，会收到大量错误消息。 由于字数过多，请在整个信息中添加一个指向pastebin的链接 here

我真的不确定我在做什么错。 方向并不那么复杂，所以我真的不知道我在搞砸。

只要有必要，这就是我们需要修改的nutch-site.xml。

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>

<property>
   <name>plugin.folders</name>
   <value>/home/user/trunk/build/plugins</value>
</property>

<!-- HTTP properties -->

<property>
  <name>http.agent.name</name>
  <value>MarketDataCrawler</value>
  <description>HTTP 'User-Agent' request header. MUST NOT be empty - 
  please set this to a single word uniquely related to your organization.

  NOTE: You should also check other related properties:

    http.robots.agents
    http.agent.description
    http.agent.url
    http.agent.email
    http.agent.version

  and set their values appropriately.

  </description>
</property>

<property>
  <name>http.robots.agents</name>
  <value></value>
  <description>Any other agents,apart from 'http.agent.name',that the robots
  parser would look for in robots.txt. Multiple agents can be provided using 
  comma as a delimiter. eg. mybot,foo-spider,bar-crawler
  
  The ordering of agents does NOT matter and the robots parser would make 
  decision based on the agent which matches first to the robots rules.  
  Also,there is NO need to add a wildcard (ie. "*") to this string as the 
  robots parser would smartly take care of a no-match situation. 
    
  If no value is specified,by default HTTP agent (ie. 'http.agent.name') 
  would be used for user agent matching by the robots parser. 
  </description>
</property>

</configuration>

大量错误与Ivy有关，所以我不知道Nutch和eclipse中安装的插件之间的Ivy版本是否兼容。

解决方法

按照LOG文件中的说明

[ivy:resolve]   SERVER ERROR: HTTPS Required url=http://repo1.maven.org/maven2/org/slf4j/slf4j-api/1.6.1/slf4j-api-1.6.1.pom
[ivy:resolve]   SERVER ERROR: HTTPS Required url=http://repo1.maven.org/maven2/org/slf4j/slf4j-api/1.6.1/slf4j-api-1.6.1.jar
[ivy:resolve]   SERVER ERROR: HTTPS Required url=http://repo1.maven.org/maven2/org/slf4j/slf4j-log4j12/1.6.1/slf4j-log4j12-1.6.1.pom

您应该在ivy / ivy.xml中使用更新的存储库URL。一种选择是在ivy.xml中将每个URL从http更改为https。

我认为，您使用的是旧版本，否则此问题应该已经解决。