运行nutch报错unzipBestEffort returned null怎么办

运行nutch报错unzipBestEffort returned null怎么办

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");

nutch2.7srcpluginprotocol-httpsrcjavaorgapachenutchprotocolhttpHttpResponse.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nutch2.7srcjavaorgapachenutchmetadataHttpHeaders.java，增加一个field：

public final static String TRANSFER_ENCODING = "Transfer-Encoding";

 
2、修改文件nutch2.7srcpluginprotocol-httpsrcjavaorgapachenutchprotocolhttpHttpResponse.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nutch2.7build.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。相信高防服务器网小编一定会给大家带来更优质的文章。谢谢大家对高防服务器网网站的支持！

[微信提示：高防服务器能助您降低 IT 成本，提升运维效率，使您更专注于核心业务创新。

[图文来源于网络，不代表本站立场，如有侵权，请联系高防服务器网删除]
[