Heritrix 网络爬虫中存储爬网文件的位置
我想知道 Heritrix 网络爬虫中爬行的文件存储在哪里...
谢谢并提前
i want to know where the crawled files are stored in Heritrix web crawler...
thanks and advance
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（1）
来自开发人员手册：
ARC 文件位于爬网实例的
arcs/文件夹中。您可以在 heritrix Web-GUI 设置中更改位置。除了默认的 ARCWriterProcessor，您还可以将其设置为 WARCWriterProcessor（WARC 文件）、MirrorWriterProcessor（根本没有容器）或 Kw3WriterProcessor。 AFAIK，你甚至可以设置多个作家。请注意，选择 MirrorWriterProcessor 时，并非所有文件都可以写入光盘，具体取决于您用来写入文件的文件系统。
[1] Internet Archive ARC 文件
From the developer manual:
The ARC files are located in the
arcs/folder of your crawl-instance. You can change the location in the settings of the web-GUI of heritrix.Instead of the default ARCWriterProcessor, you can set it to WARCWriterProcessor (WARC files), to MirrorWriterProcessor (no container at all) or to a Kw3WriterProcessor. AFAIK, you could even set multiple writers. Note that when choosing the MirrorWriterProcessor, not all files may be written to disc, depending on the file system you're using to write the files to.
[1] Internet Archive ARC files