问题标签 [heritrix]
For questions regarding programming in ECMAScript (JavaScript/JS) and its various dialects/implementations (excluding ActionScript). Note JavaScript is NOT the same as Java! Please include all relevant tags on your question; e.g., [node.js], [jquery], [json], [reactjs], [angular], [ember.js], [vue.js], [typescript], [svelte], etc.
common-crawl - 哪个块代表 WARC-Block-Digest？
在下面的第 09 行有这一行：WARC-Block-Digest: sha1:CLODKYDXCHPVOJMJWHJVT3EJJDKI2RTQ
WARC的规格说The WARC-Block-Digest is an optional parameter indicating the algorithm name and calculated value of a digest applied to the full block of the record.
我一直在试图弄清楚full block of the record指的是什么。是11到16行吗？还是 12 到 16 号线？还是第 1 到 16 行（没有第 9 行）？我已经尝试散列这些可能性，但无法获得上面的 sha1（base 32）值。
apache - 如何解决 Apache 反向代理配置中的双斜杠问题
我在服务器上运行 java web 应用程序，并希望使用 Apache 作为反向代理来访问它。该网络应用程序是互联网档案网络爬虫heritrix。它在 localhost 上运行，并在端口 8443 上打开一个 Web 界面。
网络服务器可在 上访问https://heritrix.mywebcrawler.com。在https://heritrix.mywebcrawler.com/engine上的访问工作正常，也在工作页面 ( https://heritrix.mywebcrawler.com/engine/job/test ) 上。
在作业页面上是Configuration-referenced Paths，通过一种我不完全理解的机制，它们提供对日志、配置、报告和创建的文件的访问，直接访问本地文件系统上的路径。问题是：这个 URL 包含一个双斜杠//，所以它们不能通过反向代理工作。我得到例如 URL https://heritrix.mywebcrawler.com/engine/anypath//home/user/heritrix/heritrix-3.4.0-20210923/jobs/test/warcs。所有这些 URL 都以 开头https://heritrix.mywebcrawler.com/engine/anypath/，后跟本地文件系统的绝对路径/home/user/heritrix/heritrix-3.4.0-20210923/jobs/test/seedsbs.txt?format=textedit。
有没有办法删除虚拟主机配置中的第二个斜杠，以便这些链接工作？
我有以下虚拟主机配置：