不正なURL： ''、スキップ（java.net.MalformedURLException

Question

を私はNutchの1.3でサイトをクロール私はときNutchのクロール私のサイト私のログにこの例外を参照してください。

Malformed URL: '', skipping (java.net.MalformedURLException: no protocol: 
at java.net.URL.<init>(URL.java:567) 
at java.net.URL.<init>(URL.java:464) 
at java.net.URL.<init>(URL.java:413) 
at org.apache.nutch.crawl.Generator$Selector.reduce(Generator.java:247) 
at org.apache.nutch.crawl.Generator$Selector.reduce(Generator.java:109) 
at org.apache.hadoop.mapred.ReduceTask.runOldReducer(ReduceTask.java:463) 
at org.apache.hadoop.mapred.ReduceTask.run(ReduceTask.java:411) 
at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:216) 

）

どのようにすることができます私はこれを解決する？助けて。

Answer 1

文書によれば、 "不正なURLが発生したことを示すためにMalformedURLExceptionがスローされます。指定された文字列に正当なプロトコルが見つからないか、文字列を解析できませんでした。

ここで留意すべきことは、サーバーがダウンしているか、パスが不足しているファイルを指しているときにこの例外がスローされないことです。これは、URLを解析できない場合にのみ発生します。

このエラーは、プロトコルがであることを示すがないことを示します。また、クローラは任意のURL、

不正な形式のURLが表示されません。「」は、（java.net.MalformedURLExceptionをスキップ：なしプロトコル：ここ

は私が出会った興味深い記事、見http://www.symphonious.net/2007/03/29/javaneturl-or-javaneturi/を持っているが

あなたが解析しようとしている正確なURLとは何ですか

Answer 2

regex-urlfilter.txtとseed.txtですべての設定を設定した後、このコマンドを実行してください：？

./nutch plugin protocol-file org.apache.nutch.protocol.file.File file:\\\e:\\test.html 

（私の例ではファイルがe:\test.htmにある場合）。この前

は、私はいつもこの

./nutch plugin protocol-file org.apache.nutch.protocol.file.File \\\e:\test.html 

を実行し、プロトコルfile:が欠けていたため、このエラーを得た：

java.netMalformedURLException：なしプロトコル：\\ E：\テストを。 HTMLは

Answer 3

Malformed URL: '' 

URLの代わりに空であったことを意味しますhttp://www.google.comのようなものです。