我试图设置Apache Nutch来抓取URL,遵循
this指南.作为一个老指导(本指南是1.x,我使用2.3),我已经对结构进行了必要的更改.但是,当我尝试运行爬网,我得到这个错误:
root@IndiStage:~# /usr/local/nutch/framework/apache-nutch-2.3/src/bin/crawl urls FirstCrawl 2 No SOLRURL specified. Skipping indexing. Injecting seed URLs /usr/local/nutch/framework/apache-nutch-2.3/src/bin/nutch inject urls -crawlId FirstCrawl Error: Could not find or load main class org.apache.nutch.crawl.InjectorJob Error running: /usr/local/nutch/framework/apache-nutch-2.3/src/bin/nutch inject urls -crawlId FirstCrawl Failed with exit value 1. root@IndiStage:~#
作为Ubuntu的新功能(14.04),我很难管理这里的目录结构和路径.
InjectorJob位于/usr/local/nutch/framework/apache-nutch-2.3/src/java/org/apache/nutch/crawl中
JAVA_HOME设置为/usr/lib / jvm / java-7-openjdk-amd64
解决方法
确保您已经编译了Nutch源代码.然后,从${APACHE_NUTCH_HOME} / runtime / local(或${APACHE_NUTCH_HOME} / runtime / deploy / bin)运行crawl命令.
希望这可以帮助,
Le Quoc做
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。