共计 2891 个字符,预计需要花费 8 分钟才能阅读完成。
丸趣 TV 小编今天带大家了解运行 nutch 报错 unzipBestEffort returned null 怎么办,文中知识点介绍的非常详细。觉得有帮助的朋友可以跟着丸趣 TV 小编一起浏览文章的内容,希望能够帮助更多想解决这个问题的朋友找到问题的答案,下面跟着丸趣 TV 小编一起深入学习“运行 nutch 报错 unzipBestEffort returned null 怎么办”的知识吧。
报错信息:fetch of http://szs.mof.gov.cn/zhengwuxinxi/zhengcefabu/201402/t20140224_1046354.html failed with: java.io.IOException: unzipBestEffort returned null
完整的报错信息为:
2014-03-12 16:48:38,031 ERROR http.Http - Failed to get protocol output
java.io.IOException: unzipBestEffort returned null
at org.apache.nutch.protocol.http.api.HttpBase.processGzipEncoded(HttpBase.java:317)
at org.apache.nutch.protocol.http.HttpResponse. init (HttpResponse.java:164)
at org.apache.nutch.protocol.http.Http.getResponse(Http.java:64)
at org.apache.nutch.protocol.http.api.HttpBase.getProtocolOutput(HttpBase.java:140)
at org.apache.nutch.fetcher.Fetcher$FetcherThread.run(Fetcher.java:703)
2014-03-12 16:48:38,031 INFO fetcher.Fetcher - fetch of http://szs.mof.gov.cn/zhengwuxinxi/zhengcefabu/201402/t20140224_1046354.html failed with: java.io.IOException: unzipBestEffort returned null
2014-03-12 16:48:38,031 INFO fetcher.Fetcher - -finishing thread FetcherThread, activeThreads=0
由此可知抛出异常的代码位于 src/plugin/lib-http/src/java/org/apache/nutch/protocol/http/api/HttpBase.java(lib-http 插件)类的 processGzipEncoded 方法的 317 行:
byte[] content;
if (getMaxContent() = 0) { content = GZIPUtils.unzipBestEffort(compressed, getMaxContent());
} else { content = GZIPUtils.unzipBestEffort(compressed);
if (content == null)
throw new IOException(unzipBestEffort returned null
nutch2.7\src\plugin\protocol-http\src\java\org\apache\nutch\protocol\http\HttpResponse.java(protocol-http 插件)的 164 行调用了 processGzipEncoded 方法:
readPlainContent(in);
String contentEncoding = getHeader(Response.CONTENT_ENCODING);
if (gzip .equals(contentEncoding) || x-gzip .equals(contentEncoding)) {content = http.processGzipEncoded(content, url);
} else if (deflate .equals(contentEncoding)) {content = http.processDeflateEncoded(content, url);
} else {if (Http.LOG.isTraceEnabled()) {Http.LOG.trace( fetched + content.length + bytes from + url);
}
通过 Firefox 的 Firebug 工具可查看该 URL 的响应头为 Content-Encoding:gzip,Transfer-Encoding:chunked。
解决方法如下:
1、修改文件 nutch2.7\src\java\org\apache\nutch\metadata\HttpHeaders.java,增加一个 field:
public final static String TRANSFER_ENCODING = Transfer-Encoding
2、修改文件 nutch2.7\src\plugin\protocol-http\src\java\org\apache\nutch\protocol\http\HttpResponse.java,替换第 160 行代码 readPlainContent(in); 为如下代码
String transferEncoding = getHeader(Response.TRANSFER_ENCODING);
if(transferEncoding != null chunked .equalsIgnoreCase(transferEncoding.trim())){
readChunkedContent(in, line);
}else{ readPlainContent(in);
}
3、http 内容长度限制不能使用负值,只能使用一个大整数:
property
name http.content.limit /name
value 655360000 /value
/property
4、因为修改了核心代码和插件代码,所以需要重新编译打包发布,执行 nutch2.7\build.xml 的默认 target:runtime
cd nutch2.7
ant
感谢大家的阅读,以上就是“运行 nutch 报错 unzipBestEffort returned null 怎么办”的全部内容了,学会的朋友赶紧操作起来吧。相信丸趣 TV 丸趣 TV 小编一定会给大家带来更优质的文章。谢谢大家对丸趣 TV 网站的支持!