Nutch1.7如何配置到eclipse

蜗牛vps互联网技术资讯2021-11-283510

这篇文章主要介绍Nutch1.7如何配置到eclipse，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

进入正题：

1、将nutch项目部署到eclipse
首先到nutch官网上找到FAQ链接http://wiki.apache.org/nutch/FAQ，进入链接
点击第二个链接查看。

参照文档进行配置，有卡壳不明白的地方，继续在网上针对具体问题查找资料。集成时可参照http://blog.csdn.net/witsmakemen/article/details/8866235。
运行之前必须有一下先决条件：
A、在windows上安装配置Apache Ant，http://ant.apache.org/manual/index.html
B、安装Eclipse，这个不用说肯定是必须的。
C、在Linux安装svn。目的：迁出nutch2.7源代码。
D、在Linux下检出nutch2.7代码
[root@nutch-five branch-1.7]# svn co http://svn.apache.org/repos/asf/nutch/branches/branch-1.7/
E、在Linux安装ivy插件。目的，根据ivy配置文件动态下载jar包。
F、编译branch2.7

[root@nutch-five branch-1.7]# ant

2、在Linux下执行ant命令编译源代码：ant</p>

3、编译成功后，将trunk文件夹复制到windows中，导入eclipse</span>

A、eclipse : File -- New -- Java Project

B、点击NEXT
找到 conf 文件夹，然后点击 Add Folder 'conf' to build path

defautl output 设置为 apache-nutch-1.7/conf
在这儿我因为不能创建conf，所以写为conf

点击Finish
至此，建立成功。

C、此时会发现工程有错误（红色的小叉叉），这是因为缺少引用导致。
以parse-html为例：
import org.cyberneko.html.parsers.*;
这里报错是因为缺少 nekohtml-0.9.5.jar
如何获取nekohtml-0.9.5.jar：
找到runtime/local/plugins/lib-nekohtml/nekohtml-jar，单击右键add to build path，其他bug以此类推。
在这儿一共要的jar包大概有，runtime/local/plugins/lib-nekohtml/nekohtml-jar、runtime /local/plugins/parse-html/tagsoup.jar、runtime/local/plugins/feed /rome.jar（解决了com.sun.syndication.io.SyndFeedInput报错问题）、runtime/local /plugins/urlfilter-automaton/automaton.jar(解决 dk.brics.automaton.RunAutomaton报错问题)
至此整个工程将应该不会有错了。
4、新建文件夹urls
在文件夹内新建文件url，存放待抓取网址
如：http://www.163.com/
5、运行程序

6、报异常：
ERROR security.UserGroupInformation (UserGroupInformation.java:doAs(1193)) - PriviledgedActionException as:hadoop cause:java.io.IOException: Failed to set permissions of path: \tmp\hadoop-hadoop\mapred\staging\hadoop1071373990\.staging to 0700
解决方案：
下载hadoop的源代码，重新编译hadoop的hadoop-core.jar包，替换掉nutch项目中的hadoop-core.jar的jar 包。（注意：下载时先确定nutch引用的hadoop的哪个版本的jar包，然后下载对应版本。在runtime/local/lib中可以找到对应 hadoop的jar包。）
下载hadoop源代码：
下载链接：http://apache.dataguru.cn/hadoop/common/hadoop-1.2.1/

1、注释掉build.xml中的
<target name="create-native-configure">
<exec executable="autoreconf" dir="${native.src.dir}" searchpath="yes" failonerror="yes"> <arg value="-if"/>
</exec>
</target>
2、去掉compile-core-native中的create-native-configure依赖
<target name="compile-core-native" depends="create-native-configure，compile-core-classes"
if="compile.native">
3、修改hadoop-1.1.2/src/core/org/apache/hadoop/fs/FileUtil.java 691行，把throw new IOException改为LOG.warn
4、用ant编译项目，编译成功后从build文件夹中取出hadoop-core.jar文件夹，放入nutch项目中，替换项目中原有hadoop-core.jar，放入build/lib文件夹下。再通过buildpath添加jar包。
添加完毕后，运行测试
7、继续运行，继续报错
java.lang.RuntimeException: Error in configuring object

解决方案：
将nutch-default.xml中的
<property>
<name>plugin.folders</name>
<value>./src/plugin</value>
<description>Directories where nutch plugins are located. Each
element may be a relative or absolute path. If absolute, it is used
as is. If relative, it is searched for on the classpath.</description>
</property>
红色处改一下就可以了。
参照上边的运行方法，继续运行测试，产生异常：
java.net.SocketException: Software caused connection abort: recv failed
解决方案：
链接不成功，可以忽略，对程序没有影响。
至此，nutch在eclipse中集成成功。

相关异常：
ERROR security.UserGroupInformation (UserGroupInformation.java:doAs(1193)) - PriviledgedActionException as:hadoop cause:java.io.IOException: Failed to set permissions of path: \tmp\hadoop-hadoop\mapred\staging\hadoop1071373990\.staging to 0700
解决方案：
重新编译hadoop的hadoop-core.jar包，替换掉nutch项目中的hadoop的jar包
1、注释掉build.xml中的
<target name="create-native-configure">
<exec executable="autoreconf" dir="${native.src.dir}" searchpath="yes" failonerror="yes"> <arg value="-if"/>
</exec>
</target>
2、去掉compile-core-native中的create-native-configure依赖
<target name="compile-core-native" depends="create-native-configure，compile-core-classes"
if="compile.native">
3、修改hadoop-1.1.2/src/core/org/apache/hadoop/fs/FileUtil.java 691行，把throw new IOException改为LOG.warn
4、用ant编译项目，编译成功后从build文件夹中取出hadoop-core.jar文件夹，放入nutch项目中，替换项目中原有hadoop-core.jar，放入build/lib文件夹下。再通过buildpath添加jar包。
添加完毕后，运行测试
源码环境搭建时发现sun.net.util.ipaddressutil的包没有
sun.net 包里的类，在eclipse里默认是不让用的。解决办法是自定义access rules工程上右键->工程属性->java builder path->Libraries标签，点击JRE System Library里面的Access rules，add sun/** 为accessible，如果该项存在，就edit。