在配置好heritrix后，可以输入形如：http://localhost：8080的服务器IE地址，进入UI界面登陆。则可开始建立网页爬行抓取任务。
1.首先启动Heritrix后台监听程序，然后登录WebUI.
成功登录WebUI后，初始界面如图所示：
2. 选择上面一排导航菜单中的“Jobs”链接，开始建立一个抓取任务，如图所示：
3.创建一个Job(Create New Job)有四种选择方式：Based On Existing Job、Based On a recovery、Based On a profile、With Default。我们选择第三种方式，点击“Based On a profile”链接，如图所示：
4.继续点击 “default“链接，这时才真正开始配置一个新建的抓取任务了，如图所示：
其中，“Name of a new job”指定了一个Job的名称，可以任意选取(我选择的名称为Dev)；Description是关于这个Job的描述，用来为以后抓取提供参考(Dev website)；Seeds是指要抓取的网站的种子页面，以该Seeds为起始抓取点，可以填写一个URL，也可以填写多个，填写多个的话，要保证每个URL在一行，例如以填写下面三个种子页面为例：
http://crawler.archive.org
http://portals.apache.org
http://docs.huihoo.com
如图所示：
5.接着，点击文本域下方的“Modules”按钮，对抓取任务的处理链进行配置，打开页面如图所示：
在该版本的Heritrix-1.14.4，新建一个抓取任务的时候，设置处理链页面默认给定了一种配置，可以根据具体需要进行详细配置(或者在词基础上进行修改)。
6.配置抓取任务的处理链，可以配置(添加、删除)如下8项：
Select Crawl Scope
Select URI Frontier
Select Pre Processors
Select Fetchers
Select Extractors
Select Writers
Select Post Processors
Select Statistics Tracking
而且，只需要从对应项的下拉列表单中选择向对应的项即可，这里，选择每项可以非常直观地从列表中的“包名+类名”选择匹配的选项，以选择一个Writer(用于配置抓取到的内容以怎样的方式写入本地磁盘)为例如图所示：
选中后，点击后面的“Add”按钮，即可设置，如图所示：
可以通过设置选项后面的Down、Up、Remove等链接进行操作，Info链接是查看具体信息的。各个选项是有顺序的，因为他们是一个抓取链。设置完毕后，点击上方或者下方导航菜单
中的“Submitmodules”链接提交处理链配置，然后可以看到一个个“回”字形的蓝色方框不断嵌套，显示了刚才配置的详细信息，如图所示：
在此，仍然可以修改对处理链的配置。接着，要对运行时的参数进行配置，点击
中的“Settings”链接，进入配置运行时参数页面如图所示：
可以拖动滚动条，对很多运行时参数进行配置，具体配置可以参考相关文档手册，这里可以设置一下如下所示的http-headers选项，默认配置如下：
可以点击蓝色的“?”查看该项的提示信息。要根据自己的具体情况进行配置：
user-agent主要是指运行Heritrix的用户的配置，即使用者的机器配置。首先是浏览器的选择，比如IE/7.0；其中 @VERSION@是指使用Heritrix的版本号，这里应该是1.12.1；最后面的PROJECT_URL_HERE是指要搜索的地址，比如http://192.168.151.201。
from是指一个Email联系方式，可以输入一个Email地址，例如（随意即可，符合e_mail形式就好）。
其它可以使用默认设置(如果要详细配置可以参考相关文档手册)。这时可以选择导航菜单
中的“Submit job”链接，提交一个抓取任务，页面跳转到如下所示页面：
可以看到，上方的红色粗体的“Job created”提示信息，这时表示一个抓取任务已经创建成功(还没有启动给任务)。
7.接下来，就要启动这个抓取任务。点击导航菜单
中的“Console”链接，回到WebUI控制台，如图所示：
该页面显示当前抓取器的状态为Crawler Status: HOLDING JOBS，挂起状态。还显示了Jobs、Memory、Alert的信息。
启动一个抓取任务。点击“Start”链接，即可启动，开始执行抓取任务。页面如图所示：
点击“Refresh”链接可以看到实时抓取的进度信息。注意，这个百分数的进度是不准的的，开始启动的时候需要预加载，是一个近似的百分比。
由于大部分使用默认的处理链的配置，所以抓取的范围比较广泛，比如HTML文件、SWF文件、CSS文件等等，所以对指定的一个种子页面，抓取的数据量很大，速度也是很慢的。
8.另外，选择中页面也有很大的关系，比如我们选择的docs.huihoo.com种子页面，这是一个很宽泛的种子页面，抓取后，该种子页面的子页面有很多很多。
过一段时间后，点击“Refresh”链接可以看到一个时刻的抓取进度信息，如图所示：
可见，已经抓取到了很多页面，并下载到本地了。
当启动一个抓取任务时，可以在工程的目录xx\workspace\Heritrix-xx下面看到生成了一个jobs文件夹，打开该文件夹可以看到一个新的文件夹：Dev-20080404103345484，就是刚才新建的那个抓取任务的名称。打开该目录，可以看到一些配置文件夹，如图所示：
打开mirror目录，可以看到抓取到URL目录，如图所示：
其中目录docs.huihoo.com下可以看到抓取了很多内容，如图所示：
9.如果启动一个抓取任务的过程出现异常，则可以在Eclipse控制台上看到异常信息。比如设置user-agent的时候忘记了这个设置，则启动抓取任务的时候则出现异常：
04/04/2008 10:30:52 +0000 严重 org.archive.crawler.framework.CrawlController initialize On crawl: Dev You must set the User-Agent and From HTTP header values to acceptable strings.
User-Agent: [software-name](+[info-url])[misc]
From: [email-address]
org.archive.crawler.framework.exceptions.FatalConfigurationException: unacceptable user-agent or from (Reedit your order file).
at org.archive.crawler.datamodel.CrawlOrder.checkUserAgentAndFrom(CrawlOrder.java:436)
at org.archive.crawler.framework.CrawlController.initialize(CrawlController.java:335)
at org.archive.crawler.admin.CrawlJob.setupForCrawlStart(CrawlJob.java:846)
at org.archive.crawler.admin.CrawlJobHandler.startNextJobInternal(CrawlJobHandler.java:1142)
at org.archive.crawler.admin.CrawlJobHandler$3.run(CrawlJobHandler.java:1125)
at java.lang.Thread.run(Thread.java:595)
org.archive.crawler.framework.exceptions.InitializationException: On crawl: Dev You must set the User-Agent and From HTTP header values to acceptable strings.
User-Agent: [software-name](+[info-url])[misc]
From: [email-address]
at org.archive.crawler.framework.CrawlController.initialize(CrawlController.java:383)
at org.archive.crawler.admin.CrawlJob.setupForCrawlStart(CrawlJob.java:846)
at org.archive.crawler.admin.CrawlJobHandler.startNextJobInternal(CrawlJobHandler.java:1142)
at org.archive.crawler.admin.CrawlJobHandler$3.run(CrawlJobHandler.java:1125)
at java.lang.Thread.run(Thread.java:595)
Caused by: org.archive.crawler.framework.exceptions.FatalConfigurationException: unacceptable user-agent or from (Reedit your order file).
at org.archive.crawler.datamodel.CrawlOrder.checkUserAgentAndFrom(CrawlOrder.java:436)
at org.archive.crawler.framework.CrawlController.initialize(CrawlController.java:335)
... 4 more
而且，在WebUI控制台上也可以看到提示信息，例如Alerts:1(1 new)表示有一个异常或者错误，即“Alerts”链接就可以查看异常信息。
正常启动Alerts信息为Alerts:no alert。
出现异常后，可以重新设置抓取任务。
这就是一个简单的使用Heritrix新建抓取任务的例子。
