这是名为 Heritrix: Internet Archive Web Crawler 的 Linux 应用程序，其最新版本可以作为 heritrix-1.8.0.jar 下载。 它可以在工作站的免费托管服务提供商 OnWorks 中在线运行。
下载并在线运行这个名为 Heritrix 的应用程序：带有 OnWorks 的 Internet Archive Web Crawler 免费。
请按照以下说明运行此应用程序：
- 1. 在您的 PC 中下载此应用程序。
- 2. 在我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX 中输入您想要的用户名。
- 3. 在这样的文件管理器中上传这个应用程序。
- 4. 从此网站启动OnWorks Linux online 或Windows online emulator 或MACOS online emulator。
- 5. 从您刚刚启动的 OnWorks Linux 操作系统，使用您想要的用户名转到我们的文件管理器 https://www.onworks.net/myfiles.php?username=XXXXX。
- 6. 下载应用程序，安装并运行。
Heritrix：互联网档案网络爬虫
Ad
商品描述
归档爬虫项目正在构建 Heritrix：一个灵活、可扩展、健壮且可扩展的网络爬虫，能够获取、归档和分析互联网可访问内容的多样性和广度。特性
- 对网站内容进行深度、彻底的收获
- 适用于任何 Java 平台（推荐 Linux）
- 将内容存储为 ARC 或 ISO WARC 聚合/转录格式
- 用于操作员控制和监视爬行的 Web 界面
目的
高级最终用户、开发人员、教育、政府、信息技术、非营利组织
用户界面
基于网络的
程式语言
爪哇岛
数据库环境
伯克利/Sleepycat/Gdbm (DBM)
这是一个也可以从 https://sourceforge.net/projects/archive-crawler/ 获取的应用程序。 它已托管在 OnWorks 中，以便从我们的免费操作系统之一以最简单的方式在线运行。
