热门搜索:

clearlydefined/crawler

clearlydefined

容器化的ClearlyDefined爬虫工具，用于爬取和收集开源项目的元数据信息，帮助明确开源软件的许可证和依赖关系。

3 次收藏下载次数: 0状态：社区镜像维护者：clearlydefined仓库类型：镜像最近更新：1 个月前

镜像标签列表与下载命令

ClearlyDefined Crawler Docker镜像

镜像概述

ClearlyDefined Crawler Docker镜像是容器化的开源项目元数据爬取工具，用于从各类代码托管平台收集开源项目的详细信息，包括许可证、依赖关系和项目元数据。该镜像封装了ClearlyDefined项目的爬虫组件，提供了便捷的部署和运行方式。

核心功能与特性

爬取并索引开源项目的元数据信息
收集和验证开源许可证信息
支持多种代码托管平台（GitHub、GitLab、Bitbucket等）
可配置的爬取频率和深度控制
增量爬取功能，避免重复处理
支持自定义输出格式和存储位置

使用场景

开源项目治理与合规性检查
软件供应链分析
开源许可证合规审计
企业内部开源组件管理
开源项目元数据库构建

使用方法

基本使用

使用以下命令启动爬虫容器：

bash
docker run -d --name clearlydefined-crawler clearlydefined/crawler

自定义配置

通过环境变量进行配置：

bash
docker run -d --name clearlydefined-crawler \
  -e CRAWLER_INTERVAL=86400 \
  -e STORAGE_URL=http://your-storage-service \
  -e LOG_LEVEL=info \
  clearlydefined/crawler

Docker Compose 配置

yaml
version: '3'
services:
  crawler:
    image: clearlydefined/crawler
    environment:
      - CRAWLER_INTERVAL=86400
      - STORAGE_URL=http://storage:3000
      - LOG_LEVEL=info
    volumes:
      - ./config:/app/config
      - ./data:/app/data
    restart: always

配置参数

环境变量

环境变量	描述	默认值
CRAWLER_INTERVAL	爬取间隔时间（秒）	86400
STORAGE_URL	元数据存储服务URL	-
LOG_LEVEL	日志级别	info
PLATFORMS	要爬取的平台列表，逗号分隔	github,npmjs
MAX_CONCURRENT	最大并发请求数	10

持久化数据

建议挂载以下目录以持久化数据：

/app/config: 配置文件目录
/app/data: 本地缓存和临时数据目录

高级配置

可以通过挂载自定义配置文件进行更详细的配置：

bash
docker run -d --name clearlydefined-crawler \
  -v ./custom-config:/app/config \
  clearlydefined/crawler

配置文件格式和选项请参考官方文档。

镜像拉取方式

您可以使用以下命令拉取该镜像。请将 <标签> 替换为具体的标签版本。如需查看所有可用标签版本，请访问标签列表页面。

轩辕镜像加速拉取命令点我查看更多 crawler 镜像标签

docker pull docker.xuanyuan.run/clearlydefined/crawler:<标签>

使用方法：

DockerHub 原生拉取命令

docker pull clearlydefined/crawler:<标签>

轩辕镜像配置手册

探索更多轩辕镜像的使用方法，找到最适合您系统的配置方式

Docker 配置

登录仓库拉取

通过 Docker 登录认证访问私有仓库

专属域名拉取

无需登录使用专属域名

K8s Containerd

Kubernetes 集群配置 Containerd

K3s

K3s 轻量级 Kubernetes 镜像加速

Dev Containers

VS Code Dev Containers 配置

Podman

Podman 容器引擎配置

Singularity/Apptainer

HPC 科学计算容器配置

其他仓库配置

ghcr、Quay、nvcr 等镜像仓库

Harbor 镜像源配置

Harbor Proxy Repository 对接专属域名

Portainer 镜像源配置

Portainer Registries 加速拉取

Nexus 镜像源配置

Nexus3 Docker Proxy 内网缓存

系统配置

Linux

在 Linux 系统配置镜像服务

Windows/Mac

在 Docker Desktop 配置镜像

MacOS OrbStack

MacOS OrbStack 容器配置

Docker Compose

Docker Compose 项目配置

NAS 设备

群晖

Synology 群晖 NAS 配置

飞牛

飞牛 fnOS 系统配置镜像

绿联

绿联 NAS 系统配置镜像

威联通

QNAP 威联通 NAS 配置

极空间

极空间 NAS 系统配置服务

网络设备

爱快路由

爱快 iKuai 路由系统配置

宝塔面板

在宝塔面板一键配置镜像

需要其他帮助？请查看我们的常见问题Docker 镜像访问常见问题解答或提交工单

镜像拉取常见问题

使用与功能问题

配置了专属域名后，docker search 为什么会报错？

docker search 限制

Docker Hub 上有的镜像，为什么在轩辕镜像网站搜不到？

站内搜不到镜像

机器不能直连外网时，怎么用 docker save / load 迁镜像？

离线 save/load

docker pull 拉插件报错（plugin v1+json）怎么办？

插件要用 plugin install

WSL 里 Docker 拉镜像特别慢，怎么排查和优化？

WSL 拉取慢

轩辕镜像安全吗？如何用 digest 校验镜像没被篡改？

安全与 digest

第一次用轩辕镜像拉 Docker 镜像，要怎么登录和配置？

新手拉取配置

轩辕镜像合规吗？轩辕镜像的合规是怎么做的？

镜像合规机制

错误码与失败问题

docker pull 提示 manifest unknown 怎么办？

manifest unknown

docker pull 提示 no matching manifest 怎么办？

no matching manifest（架构）

镜像已拉取完成，却提示 invalid tar header 或 failed to register layer 怎么办？

invalid tar header（解压）

Docker pull 时 HTTPS / TLS 证书验证失败怎么办？

TLS 证书失败

Docker pull 时 DNS 解析超时或连不上仓库怎么办？

DNS 超时

docker 无法连接轩辕镜像域名怎么办？

域名连通性排查

Docker 拉取出现 410 Gone 怎么办？

410 Gone 排查

出现 402 或「流量用尽」提示怎么办？

402 与流量用尽

Docker 拉取提示 UNAUTHORIZED（401）怎么办？

401 认证失败

遇到 429 Too Many Requests（请求太频繁）怎么办？

429 限流

docker login 提示 Cannot autolaunch D-Bus，还算登录成功吗？

D-Bus 凭证提示

为什么会出现「单层超过 20GB」或 413，无法加速拉取？

413 与超大单层

账号 / 计费 / 权限

轩辕镜像免费版和专业版有什么区别？

免费版与专业版区别

轩辕镜像支持哪些 Docker 镜像仓库？

支持的镜像仓库

镜像拉取失败还会不会扣流量？

失败是否计费

麒麟 V10 / 统信 UOS 提示 KYSEC 权限不够怎么办？

KYSEC 拦截脚本

如何在轩辕镜像申请开具发票？

申请开票

怎么修改轩辕镜像的网站登录和仓库登录密码？

修改登录密码

如何注销轩辕镜像账户？要注意什么？

注销账户

配置与原理类

写了 registry-mirrors，为什么还是走官方或仍然报错？

mirrors 不生效

怎么用 docker tag 去掉镜像名里的轩辕域名前缀？

去掉域名前缀

如何拉取指定 CPU 架构的镜像（如 ARM64、AMD64）？

指定架构拉取

用轩辕镜像拉镜像时快时慢，常见原因有哪些？

拉取速度原因

查看全部问题→

用户好评

来自真实用户的反馈，见证轩辕镜像的优质服务

oldzhang

运维工程师

Linux服务器

"Docker访问体验非常流畅，大镜像也能快速完成下载。"