Перейти из форума на сайт.

НовостиФайловые архивы
ПоискАктивные темыТоп лист
ПравилаКто в on-line?
Вход Забыли пароль? Первый раз на этом сайте? Регистрация
Компьютерный форум Ru.Board » Компьютеры » Программы » Wget

Модерирует : gyra, Maz

 Версия для печати • ПодписатьсяДобавить в закладки
Страницы: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151

Открыть новую тему     Написать ответ в эту тему

GaDiNa



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
[ UNIX Shell ] || [ Рекурсивная загрузка веб-сайтов ] — родительские ветки.
 
GNU Wget

GNU Wget — это свободная неинтерактивная утилита для скачивания файлов по HTTP, HTTPS, FTP и FTPS (и только), обладающая самым базовым функционалом загрузки одиночных файлов и рекурсивной загрузки сайтов (HTTP) и директорий (FTP).
 

| Офсайт | Википедия | Фрешмит | Опен-хаб (бывш. Охлох) | Мануал | Ман | Ман (русск., устар.) | --help (русск.) |

 
Где взять.
Под GNU — уже стоит. Под FreeBSD — есть в портах. Под [Mac] OS X — собрать ванильный.  
Под Windows есть варианты: Cygwin | GNUWin32 (учитывайте зависимости) | Wget + OpenSSL by GetGnuWin32  | by TumaGonx Zakkum (он же osspack32 и The Moluccas  |  by Jernej Simoncc (32 и 64 бит отдельные пакеты).
 
Литература.
Popkov. Параметры программы wget
В. А. Петров. Wget — насос для Интернета
 
FAQ
 
Q: Можно ли простым перебором загрузить страницы (допустим) с первой по сотую, если их адреса:  
http://example.org/index?page=1
http://example.org/index?page=2
...
http://example.org/index?page=100
A: Вэ-гет не умеет делать инкрементальный перебор, поскольку это умеет делать любая командная оболочка. На Баше это делается так:
$ wget -E "http://example.org/index?page="{1..100}
Еще раз отметьте, {1..100} — это синтаксическая конструкция Баша, а не Вэ-гета. Эквивалентной этой будет команда:
$ for i in {1..100}; do wget -E "http://example.org/index?page=$i"; done
Или для cmd.exe:
for /l %i in (1,1,100) do wget -E "http://example.org/index?page=%i"
 
Q: А как собственно сайт целиком-то загрузить?
A: $ wget -mpEk "http://example.org"
Это, наверное, самый ходовой набор ключей, но вам, может быть, более подойдут другие. Что значит каждый — легко узнать в мане.
 
Q: Я хочу загрузить с сайта, требующего авторизации. Что делать?
A: Проще всего кинуть куда-нибудь файл с нужными (но лишние не помешают) куками в нетскэйповском формате, затем воспользоваться ключом --load-cookies.
$ wget --load-cookies cookies.txt бла-бла # файл cookies.txt в текущей директории
У Файрфокса куки в требуемом виде можно получить, воспользовавшись расширениями «Export Cookies» либо «Cookie.txt»; у Хрома — «Cookie.txt export»
 
Q: Не-ASCII символы сохраняются в именах файлов как %D0%A5%D1%83%D0%B9 (или того хуже), хотя локаль юникодная.
A: Укажите ключ --restrict-file-names=nocontrol,unix или --restrict-file-names=nocontrol,windows соответственно.
Если у вас Windows и локаль не юникодная — используйте вариант от Alex_Piggy с ключом --local-filesystem-encoding=ENCODING, где ENCODING — имя кодировки локали в терминах iconv. Текущую локаль cmd.exe можно проверить при помощи команды chcp. Для русской кириллицы в Windows обычно используется CP866.
 
Q: Известно, что можно приказать Вэ-гету обновить ранее загруженный файл, если на сервере новее или иного размера (ключ --timestamping, он же -N). Можно приказать учитывать только дату, но не размер (--timestamping --ignore-length). А можно ли учитывать только размер, но не дату?
A: При помощи одного только Wget’а — нет.  Возможна обработка получаемых заголовков файла при помощи средств командной оболочки. Пример для cmd.exe.
 
Q: Можно ли приказать Вэ-гету докачать файл, но только если он не изменился.
A: Нет, нельзя. Сочетание ключей -cN (--continue --timestamping), как можно было бы предположить, нужного эффекта не даст — «докачает» даже если файл изменился — получите в итоге мусор.
 
Q: Можно ли при рекурсивной загрузке ограничится только ссылками, содержащими параметр lang=ru, т.е. грузить:
http://example.org/index?lang=ru
http://example.org/page?id=1001&lang=ru
http://example.org/file?id=60&lang=ru&format=dvi
и не грузить:
http://example.org/index?lang=en
http://example.org/about?lang=fr
и т.д.
A: Для версий < 1.14 нет такой возможности.  
Общий вид URI: <протокол>://<логин>:<пароль>@<хост>:<порт>/<путь>?<параметры>#<якорь>. Так вот ключи -I (--include-directories) и -X (--exclude-directories) относятся только к пути, но не к параметрам.
В версиях > 1.14 возможно при использовании ключей --accept-regex / --reject-regex. Пример: --reject-regex "lang=[^r][^u]"
 
Q: Можно ли средствами Вэ-гета ограничить перечень загружаемых файлов по дате модификации (новее чем, старше чем)?
A: Нет такой возможности.
 
Q: Можно ли при рекурсивной или множественной загрузке произвольно задать целевые пути и/или имена файлов на основе пути/имени по-умолчанию (применить транслитерацию, отбросить хвостовую часть) или хотя бы независимо (сгенерировать случайно или по счетчику)?
A: Нет.
 
Q: То — нельзя, это — невозможно. Почему все так плохо?
A: Потому что Вэ-гет на настоящий момент — базовая программа, предоставляющая только самый базовый функционал. Если вы уперлись в потолок ее возможностей, просто смените ее на другой инструмент. Из неинтерактивных свободных программ наиболее функциональными будут:
aria2c — для загрузки одиночных файлов по HTTP(S), FTP, бит-торренту;
httrack — для рекурсивной загрузки («зеркалирования») веб-сайтов;
lftp — для работы по FTP, FTPS, SFTP, FISH, а также с листингами, отдаваемыми по HTTP(S) (пример).
curl — для работы с одиночными файлам по HTTP(S), FTP(S) и многими другими протоколами на более низком уровне.
wput — клон wget для аплоада файлов на удаленные FTP(S) сервера.
axel — клон wget для многопоточной загрузки одиночных файлов по протоколам HTTP(S) и FTP(S). Порты для Windows: 2.4, 2.16.1
 
Разное.
GUI для Wget’а
 

Смело правьте и дополняйте шапку, однако не забывайте отписываться об исправлениях и сохранять исходный вариант под #.

Всего записей: 1528 | Зарегистр. 17-06-2003 | Отправлено: 13:39 08-11-2003 | Исправлено: mithridat1, 08:56 13-02-2019
shveicar



Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
ASE_DAG- Спасибо, с командами, боле менее ясно. но как запустить сам Wget  без оболочки? с командной строки он не идет, что нужно набирать (путь к Wget) или сразу  спец команды? пробовал разные варианты,-у меня пишет что Wget не является внутренней или внешней программой. Wget-1.11.4 - oc win xp sp3 Может версии не те?

Всего записей: 324 | Зарегистр. 26-09-2010 | Отправлено: 01:07 23-08-2011
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
shveicar
> что нужно набирать (путь к Wget) или сразу  спец команды?
Это вопрос по вашей командной оболочке, а не по сабжу.
 
> win xp sp3
Ru.Board » Операционные системы » Microsoft Windows » Задачи на bat-файлах — вот эта тема, афайк.

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 01:26 23-08-2011
shveicar



Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Что-ж, теперь батник для запуска создавать? А по простому ответить было сложно, ну да ладно, я уже разобрался. Может кому для начала и пригодится. - метод запуска - немного странный, В total commander указываем путь к Wget.exe  файлу, в параметрах ставим ? и после запуска в окне вводим команду. И процесс пошёл, только вот вопрос если есть файл список с ссылками,  в параметрах нужно указывать путь к нему?  
 
Добавлено:
Да, что- то команды, -не помогают скачать сайт (http://www.biznes-terminal.narod.ru/) качает только главную страницу, стили и js - картинок нет,  как-то -слабенько.

Всего записей: 324 | Зарегистр. 26-09-2010 | Отправлено: 01:58 23-08-2011
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброй ночи, shveicar
Да, действительно, метод немного странный. И в Viste уже не работает. В ХР можно просто создать ярлык и в пути указать ? (без других параметров).
Мне кажется, что из командной строки все-таки удобней.
На Ваши вопросы по порядку
1. Wget не интегрируется в систему. wget-1.11.4-1-setup просто распаковывает файлу в указанную директорию. Версия без установки (на gnuwin32) чуть ниже чем setup(нужно два архива,  binaries + dependies)
2. Главная функция Wget все-таки закачка одиночных файлов. С сайтами он работает не слишком хорошо.  
3. Несовместимость версий весьма маловероятна. Просто wget не находится в стандартных путях. Вы можете указать переменную  PATH (лучше всего для всех утилит командной строки создать отдельную папку и прописать уже ее). Или просто работать из папки с wget.
4. Для списка файлов (list.txt) достаточно указать "-i list.txt" только если он в рабочей папке. В ином случае необходимо прописывать путь, прямой (-i c:\temp\list.txt) или относительный (-i ..\list.txt)
5. Попробуйте добавить "-D biznes-terminal.narod.ru" или "-H"(только обязательно укажите напр -l5, а то скачает весь Интернет ) или просто напустите его на "http://biznes-terminal.narod.ru/". Wget по умолчанию считает, что "www.example.com" и  "example.com" - это разные сайты. Кстати, проверял, картинки качает.

Всего записей: 1690 | Зарегистр. 07-08-2002 | Отправлено: 02:56 23-08-2011
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
shveicar
 
Для полного устранения проблем с любой ОС мы должны при вызове команды указывать её в виде <полный путь к исполняемому модулю команды>\<имя исполняемой программы команды> <параметры>. При такой форме вызова проблемы исключены, особенно если исполняемая программа имеет зависимости - вызывает другие программы и ждёт результатов их выполнения.  
 
Как пример такого явления могу привести случай, когда в системе есть несколько версий архиватора tar собранных с разными рунтаймами и их зависимых модулей, вдобавок прописанных в путях. Если в такой ситуации набрать команду tar, то получим два варианта результата в зависимости от выбранных ключей и формы вызова:
 
Вызовем команду для создания архива tar.bz2 | tar.gz (стандартный случай - сжатые тарбаллы) -tar -czf <tarballname>.tar.gz <source> или  tar -cjf <tarballname>.tar.gz <source>:
 
что мы получим в результате наших опытов?
 
Ограничение: при вызове используется только набор реализованных для всех версий программы команд
 
 
Случай 1) команда вызывается без путей, система ищет программу в путях, у нас есть только одна версия бинарников - команда завершена успешно;
 
Случай 2) команда вызывается без путей, система ищет программу в путях, у нас есть несколько версий бинарника - результат выполнения команды не предсказуем, скорее всего ошибка;
 
Случай 3) команда вызывается с указанием полного пути к исполняемому модулю, в системе только одна его копия - команда выполнится успешно
 
Случай 4) команда вызывается с указанием полного пути к исполняемому модулю, в системе есть несколько копий бинарника произвольных версий, но каждая из них настроена на работу с согласованными с ней по системным вызовам зависимостями - команда выполнится успешно;
 
Случай 5) команда вызывается с указанием полного пути к исполняемому модулю, в системе есть множество вариантов зависимостей случайно выбираемых при запуске - результат работы команды не предсказуем.
 
Случай 6) вызываемая программа все функции полностью реализует сама не используя внешние модули, в системе только одна или несколько копий произвольных версий - успешный вызов;
 
Остальные варианты комбинаций <основной модуль> - <зависимости> сводятся к данным пяти основным случаям.
 
Думаю, что этого вполне достаточно для понимания общей картины. Любые иные программы поведут себя аналогично.
 
P.S.
 
Программа tar была взята в качестве примера именно потому, что вызывает в зависимости от команд несколько различных внешних модулей (порядка полусотни) и очень сильно зависит от результата их работы.

----------
Жив курилка! (Р. Ролан, "Кола Брюньон")

Всего записей: 23681 | Зарегистр. 31-07-2002 | Отправлено: 09:59 23-08-2011
shveicar



Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Спасибо всем за помощь, картина проясняется. Действительно вариант с  (www) имеет значение. С установкой без инсталяции - разобрался, Достаточно распаковать экзешник, и взять оттуда две папки bin и share. А можно - ли заставить качать файлы из списка с созданием каталогов (как на сервере)?

Всего записей: 324 | Зарегистр. 26-09-2010 | Отправлено: 15:54 23-08-2011
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Добрый день, shveicar
Да '-x' '--force-directories'. RTFM, а?

Всего записей: 1690 | Зарегистр. 07-08-2002 | Отправлено: 17:28 23-08-2011
shveicar



Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Спасибо, помогло.

Всего записей: 324 | Зарегистр. 26-09-2010 | Отправлено: 17:57 23-08-2011
sis_terr



Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
скачиваю с одного сайта странички с картинками, качается нормально, но на сайте сделано так что вчерашняя первая страничка сегодня может быть уже пятой  и вот при попытке докачать в ту же папку , картинки почему то не скачиваются.
какой команды нехватает?

Всего записей: 1288 | Зарегистр. 20-12-2007 | Отправлено: 20:44 03-09-2011
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Добрый день, sis_terr
Извините, плохо понял, поэтому возникло несколько вопросов.
1) Картинки не скачиваются вообще или только при попытке докачать? Не скачиваются новые или не докачиваются те, что есть?
2) Какие команды уже есть?
3) Если возможно, ссылку на сайт, чтобы посмотреть/ручками пощупать .

Всего записей: 1690 | Зарегистр. 07-08-2002 | Отправлено: 21:03 03-09-2011
sis_terr



Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Alex_Piggy, и Вам утро доброе!  
 
wget -e robots=off    --keep-session-cookies --save-cookies COOKIE.TXT --post-data "login=sis-terr&password=****" "http://nnm.ru/login/" -O -  
wget --load-cookies COOKIE.TXT  -c -H -p --exclude-domains mc.yandex.ru,ava.nnm.ru,.......  
-D img**.nnm.ru,nnm.ru -i F:\c.txt   -P F:\F\
 
не качаются картинки с новых страничек,  которые сегодня уже первые, сами странички вроде как докачиваются,
 прогресс-бар идет, а вот картинки почему то игнорируются, даже папки для них не создаются,
 там навороченная система папок,  типа такой  
img15.nnm.ru\2\2\8\b\c\0c100e2d54f60886b5bdc669ea6.jpg
можно проследить
если банально убрать вчерашнюю папку с картинками, со скачанными хтмлками , то сегодняшние нормально скачаются,  
с созданием всей структуры папок
**
вот ещё немного разобралась, если удалить папки с нумерацией страниц в которых находятся старые хтмлки, которые уже не соответствуют сегодняшней нумерации страничек, то Wget закачивает страничку по новой и скачивает картинки находящиеся на страничке, где то тут заковыка
**
в общем , решила вопрос так, дописала в первую строчку батника команду удаления папки с хтмлками , теперь докачка картинок с новых первых страниц работает нормально

Всего записей: 1288 | Зарегистр. 20-12-2007 | Отправлено: 21:27 03-09-2011 | Исправлено: sis_terr, 23:20 03-09-2011
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
К сожалению, не могу (воспроизвести)/(понять в чем может быть дело).
Изображения, которые в общем доступе имеют прямые ссылки, т.е проблем не должно быть вообще. Разве что раз в сутки перемешиваются имена файлов. Да и то, он бы отслеживал.
Попробуйте, пожалуйста, следующее (понимаю, что много и долго, но чтобы разобратся):
1) Закачайте несколько ссылок и сделайте копию. Удалите часть картинок и проверьте закачаются ли они а)сегодня б)завтра в)завтра с сегодняшним COOKIE.TXT.
2) Будет или не будет сегодня/завтра нормально закачиватся по команде "wget -x -c -H -p -P F:\F\ --force-html -i index.html" (где index.html - какая нибудь из старых html которые не подхватились).  
3)Проверьте, достаточно ли удаления папки "nnm.ru" с *.html (или самих html). Оставьте только "nnm.ru" и попробуйте закачать.
4) Добавьте  --debug -a debug.log и поищите там имена незакачавшихся файлов. Он должен указать причины. И действительно, сначала просто в логе (-a wget.log) поищите jpg и посмотрите, что про них говорится.
Даже не знаю чем Вам еще помочь...  
 
ДобавленоПрошу прощения, медленно набирал и перед отправкой не посмотрел, что Вы уже нашли решение.

Всего записей: 1690 | Зарегистр. 07-08-2002 | Отправлено: 23:24 03-09-2011 | Исправлено: Alex_Piggy, 23:29 03-09-2011
sis_terr



Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Alex_Piggy, благодарю за помощь )
попробую и Ваши рекомендации
Сейчас интересно придумать как сделать что б Wget не скачивая хтмлки качал находящиеся на них картинки,  
тогда б был бы решён вопрос с удалением папок с хтмлками, лишним трафиком и временем на их закачку

Всего записей: 1288 | Зарегистр. 20-12-2007 | Отправлено: 14:58 04-09-2011 | Исправлено: sis_terr, 14:58 04-09-2011
moj53

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Скажите пожалуйста , как запустить команду по перебору файлов в wget (под windows) типа for i in {1..100}

Всего записей: 11 | Зарегистр. 17-09-2011 | Отправлено: 16:27 17-09-2011
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
sis_terr
Если не качать хтмлки - где он найдет ссылки на картинки??? А чтобы не сохранял - используйте accept/reject листы.
 
moj53
Что за "перебор файлов"? Где их перебирать? С генерацией номеров можно решить все тем же FOR или масками в WGET

Всего записей: 8125 | Зарегистр. 11-03-2002 | Отправлено: 17:03 17-09-2011
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
moj53
> как запустить команду по перебору файлов в wget (под windows) типа for i in {1..100}
Вэ-гет не умеет делать инкрементальный перебор. Используйте возможности вашей командной оболочки, а значит и обращайтесь в тему «Командная строка Windows, батники, сценарии (bat, cmd)».

----------
Dmitry Alexandrov <321942@gmail.com> [PGP] [BTC]

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 18:09 17-09-2011
moj53

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
имеется ввиду есть сайт в котором есть aspx файлы типа *. aspx@ID=6 с диапазоном id от 1-1000, а мне нужно скачать wgetом файлы с id от 1-100, как сакачать диапазон файлов в wget

Всего записей: 11 | Зарегистр. 17-09-2011 | Отправлено: 20:39 18-09-2011
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
moj53
> как сакачать диапазон файлов в wget
Я же вам уже ответил. Вэ-гетом — никак. Воспользуйтесь возможностями вашего комнтерпретатора.
Иными словами, вы совершенно верно заметили, что под Башем команда будет выглядеть как-то так:
$ for i in {1..100}; do wget -pE "http://example.org/index.aspx@ID=$i"; done
как это же должно выглядеть под Виндой — спросите в указанной теме. ;-)

----------
Dmitry Alexandrov <321942@gmail.com> [PGP] [BTC]

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 20:54 18-09-2011 | Исправлено: ASE_DAG, 21:04 18-09-2011
moj53

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Спасибочки!!!!

Всего записей: 11 | Зарегистр. 17-09-2011 | Отправлено: 21:20 18-09-2011
Althathwe

Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
У арии нет своей темы, спрошу тут, вдруг скажете. Как работает -Z?

Всего записей: 362 | Зарегистр. 16-05-2011 | Отправлено: 00:20 21-09-2011
Открыть новую тему     Написать ответ в эту тему

Страницы: 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151

Компьютерный форум Ru.Board » Компьютеры » Программы » Wget

Имя:
Пароль:
Сообщение

Для вставки имени, кликните на нем.

Опции сообщенияДобавить свою подпись
Подписаться на получение ответов по e-mail
Добавить тему в личные закладки
Разрешить смайлики?
Запретить коды


Реклама на форуме Ru.Board.

Powered by Ikonboard "v2.1.7b" © 2000 Ikonboard.com
Modified by Ru.Board
© Ru.Board 2000-2018

BitCoin: 1NGG1chHtUvrtEqjeerQCKDMUi6S6CG4iC

Рейтинг.ru