Nutch1.7如何配置到eclipse

這篇文章主要介紹Nutch1.7如何配置到eclipse，文中介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們一定要看完！

進入正題：

1、將nutch項目部署到eclipse
首先到nutch官網上找到FAQ鏈接http://wiki.apache.org/nutch/FAQ，進入鏈接
點擊第二個鏈接查看。

參照文檔進行配置，有卡殼不明白的地方，繼續在網上針對具體問題查找資料。集成時可參照http://blog.csdn.net/witsmakemen/article/details/8866235。
運行之前必須有一下先決條件：
A、在windows上安裝配置Apache Ant，http://ant.apache.org/manual/index.html
B、安裝Eclipse，這個不用說肯定是必須的。
C、在Linux安裝svn。目的：遷出nutch2.7源代碼。
D、在Linux下檢出nutch2.7代碼
[root@nutch-five branch-1.7]# svn co http://svn.apache.org/repos/asf/nutch/branches/branch-1.7/
E、在Linux安裝ivy插件。目的，根據ivy配置文件動態下載jar包。
F、編譯branch2.7

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

2、在Linux下執行ant命令編譯源代碼：ant</p>

3、編譯成功后，將trunk文件夾復制到windows中，導入eclipse</span>

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


B、點擊NEXT
找到 conf 文件夾 ，然后點擊 Add Folder 'conf' to build path

defautl output 設置為 apache-nutch-1.7/conf
在這兒我因為不能創建conf，所以寫為conf

點擊Finish
至此，建立成功。




C、此時會發現工程有錯誤（紅色的小叉叉），這是因為缺少引用導致。
以parse-html為例：
import org.cyberneko.html.parsers.*;
這里報錯是因為缺少 nekohtml-0.9.5.jar
如何獲取nekohtml-0.9.5.jar：
找到runtime/local/plugins/lib-nekohtml/nekohtml-jar，單擊右鍵add to build path，其他bug以此類推。
在 這兒一共要的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（解決了com.sun.syndication.io.SyndFeedInput報錯問題）、runtime/local /plugins/urlfilter-automaton/automaton.jar(解決 dk.brics.automaton.RunAutomaton報錯問題)
至此整個工程將應該不會有錯了。
4、新建文件夾urls
在文件夾內新建文件url，存放待抓取網址
如：http://www.163.com/
5、運行程序


6、報異常：
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
解決方案：
下 載hadoop的源代碼，重新編譯hadoop的hadoop-core.jar包，替換掉nutch項目中的hadoop-core.jar的jar 包。（注意：下載時先確定nutch引用的hadoop的哪個版本的jar包，然后下載對應版本。在runtime/local/lib中可以找到對應 hadoop的jar包。）
下載hadoop源代碼：
下載鏈接：http://apache.dataguru.cn/hadoop/common/hadoop-1.2.1/

1、注釋掉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依賴
 <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改為LOG.warn
4、用ant編譯項目，編譯成功后從build文件夾中取出hadoop-core.jar文件夾，放入nutch項目中，替換項目中原有hadoop-core.jar，放入build/lib文件夾下。再通過buildpath添加jar包。
添加完畢后，運行測試
7、繼續運行，繼續報錯
java.lang.RuntimeException: Error in configuring object

解決方案：
將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>
紅色處改一下就可以了。
參照上邊的運行方法，繼續運行測試，產生異常：
java.net.SocketException: Software caused connection abort: recv failed
解決方案：
鏈接不成功，可以忽略，對程序沒有影響。
至此，nutch在eclipse中集成成功。

相關異常：
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
解決方案：
重新編譯hadoop的hadoop-core.jar包，替換掉nutch項目中的hadoop的jar包
1、注釋掉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依賴
 <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改為LOG.warn
4、用ant編譯項目，編譯成功后從build文件夾中取出hadoop-core.jar文件夾，放入nutch項目中，替換項目中原有hadoop-core.jar，放入build/lib文件夾下。再通過buildpath添加jar包。
添加完畢后，運行測試
源碼環境搭建時發現sun.net.util.ipaddressutil的包沒有
sun.net 包里的類，在eclipse里默認是不讓用的。解決辦法是自定義access rules工程上右鍵->工程屬性->java builder path->Libraries標簽，點擊JRE System Library里面的Access rules，add sun/** 為accessible，如果該項存在，就edit。

以上是“Nutch1.7如何配置到eclipse”這篇文章的所有內容，感謝各位的閱讀！希望分享的內容對大家有幫助，更多相關知識，歡迎關注億速云行業資訊頻道！