现在做Heritrix抓取，由于java版本之类的，我选择用了3.1，可是大部分的资料都是介绍1.14的，太让人生气，尤其一个最简单的功能：让保留的文件是和这个域名下有关的文件，不要被js那些抽取的链接又访问到其他站点抓取。在1.14版本，已经非常多的扩展代码等，可是完全和3.1不同。
?
在这个前提下，我感觉是可以写个扩展替换的，我这里直接再源码中修改了，所改动的文件是?org.archive.crawler.postprocessor.CandidatesProcessor
?
?
我也搞不清true false具体代表什么，代码结果显示false是不执行抓取，true是执行抓取
原文：http://azh.iteye.com/blog/2307700