Windows 环境下,Netbeans下导入Nutch1.2。 

测试环境:

   Nutch 1.2

   Netbean7.4

   Java 1.8.0_20

   cygwin

安装步骤:

  1.安装:Cygwin

  •下载 Nutch1.2  (下载地址:http://archive.apache.org/dist/nutch/)

  •按照教程进行安装 (教程地址: http://wiki.apache.org/nutch/NutchTutorial)

环境变量配置如下:

classpath:  .;%JAVA_HOME%\lib;%JAVA_HOME%\lib\tools.jar

JAVA_HOME: D:\Program Files\Java\jdk1.8.0_20

CATALINA_HOME: D:\terry\Software\Java\apache-tomcat-7.0.55

ANT_HOME:D:\terry\Work\Java\apache-ant-1.9.4-bin\apache-ant-1.9.4

Path: %JAVA_HOME%\bin;%CATALINA_HOME%\bin;%CATALINA_HOME%\lib;%ANT_HOME%\bin;%JAVA_HOME%\jre\bin;

系统环境变量部分: Path:C:\Windows\System32;D:\cygwin\bin;

2.在Netbeans中创建项目

创建项目过程:

启动 Netbeans7.4  文件->新建项目->常规;

  •选择“基于现有源代码的Java项目”->下一步,选择项目名称和项目文件夹,可以根据自己的需要自行指定;

  •选择下一步,点击“源包文件夹”文本框右边的“添加文件夹”按钮,浏览文件目录选择Nutch安装目录下的src文件夹;

  •点击完成,此时工程已经建立,当需要对项目进行配置才能实现代码的调试;

 导入文件及Jar包过程: 

  •在左边的“项目”导航窗口中,选择库包,点击右键,选择属性,此时弹出项目属性配置窗口

  •选择配置“库”,点击按钮“添加JAR/文件夹”,添加Nutch安装目录下的 "conf"目录下所有文件;

  •继续将Nutch安装目录下“lib”和“plugin”文件夹中的所有JAR包添加进来,此处比较麻烦,因为Netbeans不能自动扫描到文件夹下所有的JAR包,必须手工将其添加进来。

  此时,您可以选择左方“项目”导航窗口中的项目图标,点击右键,选择“生成项目”,项目应该能正确通过编译。您还需要对Nutch进行配置以调试Nutch的爬行代码。

 配置 Nutch

  在Nutch安装目录下,找到文件/conf/nutch-defaul.xml, 将其 "plugin.folders" 属性值改为"Nutch安装目录/src/plugin"

运行  

 在Nutch中运行Nutch爬虫

  •选择左方“项目”导航窗口中的项目图标,点击右键,选择“属性”,在左方类别窗口中选择“运行”,对运行参数进行配置

  •主类: 选择 org.apache.nutch.crawl.Crawl

  •参数: 填入 urls/microsoft.txt -dir crawl -depth 3 -topN 50

  •VM选项:填入 -Dhadoop.log.dir=logs -Dhadoop.log.file=hadoop.log

  •点击“确定”按钮退出

  •选择左方“项目”导航窗口中的项目图标,点击右键,选择“运行项目”

运行过程中出现的错误及解决办法:

1  mapred.JobClient - No job jar file set.  User classes may not be found. See JobConf(Class) or JobConf#setJar(String).

2014-10-17 13:20:45,384 INFO  crawl.Crawl - crawl started in: crawl

2014-10-17 13:20:45,384 INFO  crawl.Crawl - rootUrlDir = urls/microsoft_de-DE.txt
2014-10-17 13:20:45,384 INFO  crawl.Crawl - threads = 10
2014-10-17 13:20:45,384 INFO  crawl.Crawl - depth = 3
2014-10-17 13:20:45,384 INFO  crawl.Crawl - indexer=lucene
2014-10-17 13:20:45,384 INFO  crawl.Crawl - topN = 50
2014-10-17 13:20:59,721 INFO  crawl.Injector - Injector: starting at 2014-10-17 13:20:55
2014-10-17 13:21:00,719 INFO  crawl.Injector - Injector: crawlDb: crawl/crawldb
2014-10-17 13:21:01,530 INFO  crawl.Injector - Injector: urlDir: urls/microsoft_de-DE.txt
2014-10-17 13:21:11,187 INFO  crawl.Injector - Injector: Converting injected urls to crawl db entries.
2014-10-17 13:21:45,241 WARN  mapred.JobClient - Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same.
2014-10-17 13:21:45,850 WARN  mapred.JobClient - No job jar file set.  User classes may not be found. See JobConf(Class) or JobConf#setJar(String).

 出错原因:找不到Mapper类和Reduce类。

解决办法:

将本工程导出jar包放到工程根目录下面,并在Crawl.java类中获取到配置文件后重新加载mapred.jar包。

conf.set("mapred.jar", "NutchSource.jar"); NutchSource.jar是Nutch项目编译后的Jar包。

代码如下:  public static void main(String args[]) throws Exception {

    if (args.length < 1) {
      System.out.println
      ("Usage: Crawl <urlDir> [-dir d] [-threads n] [-depth i] [-topN N]" +
        " [-solr solrURL]");
      return;
    }     Configuration conf = NutchConfiguration.createCrawlConfiguration();
    conf.set("mapred.jar", "NutchSource.jar"); 
    JobConf job = new NutchJob(conf);

2. WARN  plugin.PluginRepository - Plugins: directory not found: plugins

2014-10-17 13:43:29,729 INFO  crawl.Crawl - crawl started in: crawl
2014-10-17 13:43:29,741 INFO  crawl.Crawl - rootUrlDir = urls/microsoft_de-DE.txt
2014-10-17 13:43:29,743 INFO  crawl.Crawl - threads = 10
2014-10-17 13:43:29,744 INFO  crawl.Crawl - depth = 3
2014-10-17 13:43:29,745 INFO  crawl.Crawl - indexer=lucene
2014-10-17 13:43:29,747 INFO  crawl.Crawl - topN = 50
2014-10-17 13:43:32,080 INFO  crawl.Injector - Injector: starting at 2014-10-17 13:43:32
2014-10-17 13:43:32,083 INFO  crawl.Injector - Injector: crawlDb: crawl/crawldb
2014-10-17 13:43:32,085 INFO  crawl.Injector - Injector: urlDir: urls/microsoft_de-DE.txt
2014-10-17 13:43:32,220 INFO  crawl.Injector - Injector: Converting injected urls to crawl db entries.
2014-10-17 13:43:45,367 WARN  mapred.JobClient - Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same.
2014-10-17 13:43:57,923 WARN  plugin.PluginRepository - Plugins: directory not found: plugins
2014-10-17 13:43:57,924 INFO  plugin.PluginRepository - Plugin Auto-activation mode: [true]
2014-10-17 13:43:57,924 INFO  plugin.PluginRepository - Registered Plugins:
2014-10-17 13:43:57,929 INFO  plugin.PluginRepository - NONE
2014-10-17 13:43:57,930 INFO  plugin.PluginRepository - Registered Extension-Points:
2014-10-17 13:43:57,930 INFO  plugin.PluginRepository - NONE
2014-10-17 13:43:58,010 WARN  mapred.LocalJobRunner - job_local_0001
java.lang.RuntimeException: Error in configuring object
at org.apache.hadoop.util.ReflectionUtils.setJobConf(ReflectionUtils.java:93)
at org.apache.hadoop.util.ReflectionUtils.setConf(ReflectionUtils.java:64)
at org.apache.hadoop.util.ReflectionUtils.newInstance(ReflectionUtils.java:117)
at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:354)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:307)
at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:177)
Caused by: java.lang.reflect.InvocationTargetException

出错原因:找不到plugins此目录。

解决办法:查看conf目录下的nutch-default.xml中的plugin.folders的Value值在项目路径下是否存在。

<property>
  <name>plugin.folders</name>
  <value>plugins</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>

把此值改为项目下src/plugin.

Netbeans导入Nutch1.2的更多相关文章

  1. NetBeans导入项目jar路径错误解决办法

    NetBeans导入项目jar路径错误解决办法 1.NetBeans中导入项目jar路径出错,单击项目右键,选择"属性",找到"库" 2.找到错误jar,全部勾 ...

  2. 什么是JavaFX

    什么是JavaFX JavaFx平台是一个富客户端平台解决方案,它能够使用应用程序开发人员轻松的创建跨平台的富客户端应用程序.它构建在Java技术的基础之上,JavaFX平台提供了一组丰富的图形和媒体 ...

  3. 可视化工具gephi源码探秘(二)---导入netbeans

    在上篇<可视化工具gephi源码探秘(一)>中主要介绍了如何将gephi的源码导入myeclipse中遇到的一些问题,此篇接着上篇而来,主要讲解当下通过myeclipse导入gephi源码 ...

  4. [置顶] Linux下将Nutch1.3导入eclipse

    1.准备工作 首先去官网下载好 apache-nutch-1.3-bin.zip 解压apache-nutch-1.3-bin.zip [pig@CentOs ]$ unzip   apache-nu ...

  5. 如何从eclipse中下载并导入Github上的项目

    eclipse导入项目,方法就是点击File ->Import,选择Existing Projects into Workspace 但前提是,你导入的这个项目原本就是用eclipse的构建的, ...

  6. nutch1.4 在windows下面提示 java.io.IOException: CreateProcess error=2, ϵͳÕҲ»µ½ָ¶

    eclipse运行nutch1.4在window下面提示异常解决 需要安装cynwin,被设置环境变量 1:安装cygwin 注:在选择要安装的软件包的时候我选择了在All这一行上后面的Default ...

  7. nutch-2.1导入eclipse+mysql运行

    初次接触nutch,记录下来 首先数据库 CREATE DATABASE nutch DEFAULT CHARACTER SET utf8 DEFAULT COLLATE utf8_unicode_c ...

  8. NetBeans使用习惯:升级与保存配置

    如何升级:点击 netbeans 的升级更新 ,即可升级版本:不推荐官网下载进行安装,否则会出现,以前的旧版本8.0的目录和8.0.1目录,虽然它会自动检测到以前版本的配置,提示导入... 如何备份: ...

  9. Eclipse 快捷键 转换为Netbeans 快捷键

    一直使用netbeans IDE开发,习惯了netbeans的快捷键,最近要开发个app就选择了H5. 接着使用了HBuilder (基于Eclipse开发) 总体来讲这个IDE还可以,不管是代码提示 ...

随机推荐

  1. folly::AtomicHashmap源码分析(一)

    本文为原创,转载请注明:http://www.cnblogs.com/gistao/ Atomic的两点背景 看下这个场景,老张去厕所,发现门是锁着的,他就在门口等着里边人出来,此时小王也来了,他想了 ...

  2. hhvm之轻进程

    本文为原创,转载请注明:http://www.cnblogs.com/gistao/ 背景 我们在aws上部署了hhvm,高峰段发现cpu idle降的比较低,只有10-20%,而使用php-fpm的 ...

  3. 几种Position属性的用法

    几种Position常见的属性就是一下几种: 1.static:默认值.没有定位,元素出现在正常的流中(忽略 top, bottom, left, right 或者 z-index 声明). 2.re ...

  4. HTML编码规范

    HTML编码规范 1 前言 HTML作为描述网页结构的超文本标记语言,在百度一直有着广泛的应用.本文档的目标是使HTML代码风格保持一致,容易被理解和被维护. 2 代码风格 2.1 缩进与换行 [强制 ...

  5. 第三方Girdview中文件下载的方法,以及js显示图片

      /// <summary> /// 文件下载事件 /// </summary> /// <param name="sender"></ ...

  6. try,catch,finally与return

    package com.zl.test; // try catch finally 内有returnpublic class Demo { public static void main(String ...

  7. PHP实例开发(3)PHP中MVC学习之ThinkPHP

    PHP中MVC学习之ThinkPHP 1.什么是MVC MVC本来是存在于Desktop程序中的,M是指数据模型,V是指用户界面,C则是控制器.使用MVC的目的是将M和V的实现代码分离 MVC是一个设 ...

  8. 继续OI

    NOIP2016于2016.11.20日12:00正式结束. 我作为oi的生涯 或许会结束? 或者继续? 然而前途依然迷茫,我是否应该继?或是放弃? 距离省选还有3~4个月,我该何去何从? 虽然已经经 ...

  9. android studio 中 添加.so 文件

    传送门: http://jingyan.baidu.com/article/e3c78d644baaf23c4d85f57d.html 注意在Build.gradle中 添加的位置

  10. 庞巴迪TCMS学习笔记之一(IEC 61131-3函数)

    在学习列车TCMS系统的软件逻辑图时会遇到IEC 61131-3的语言.其中通用的图形化函数总结如下.