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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178

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) | Wget2.
.
 
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: 1551 | Зарегистр. 17-06-2003 | Отправлено: 13:39 08-11-2003 | Исправлено: anynamer, 11:40 25-12-2023
Pasha_ZZZ



Platinum Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
kost2005
1. Вы б хоть вывод показали (собственно ошибку) со включенным эхом.
2. Я так думаю, вам поможет SETLOCAL ENABLEDELAYEDEXPANSION
3. Что это такое и как пользоваться - найдете, если в Гугле не забанили.

Всего записей: 12375 | Зарегистр. 11-03-2002 | Отправлено: 03:11 15-10-2013
kost2005

Full Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Pasha_ZZZ
Тот скрипт, что я написал работает, но с одним но:
например вместо
/imgfull/annunciazione_krpano/l5_01_01.jpg
качает
/imgfull/annunciazione_krpano/l5_1_1.jpg
поэтому ошибка 404, файл не найден
 
а например
 /imgfull/annunciazione_krpano/l5_10_10.jpg
закачивается без проблем
 
Вот в этом и проблема. Я даже не представляю как это можно исправить...  
За SETLOCAL ENABLEDELAYEDEXPANSION конечно спасибо, но я не знаю как это может помочь в моём конкретном случае.

Всего записей: 556 | Зарегистр. 19-11-2005 | Отправлено: 16:09 15-10-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, kost2005
Решение - вручную добавлять ноль в числах из одного символа.  

Код:
 
echo off
setlocal enabledelayedexpansion
for /l %%j in (1,1,67) do for /l %%i in (1,1,148) do (  
set "x=%%j"
set "y=%%i"
if "!x:~1!"=="" set "x=0!x!"
if "!y:~1!"=="" set "y=0!y!"
wget "http://www.haltadefinizione.com/hdimgsrc/12/imgfull/annunciazione_krpano/l5_!x!_!y!.jpg" -O l5_!x!_!y!.jpg
)
 

Хотя нужно ли -O ?

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 18:21 15-10-2013
kost2005

Full Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Спасибо, всё работает как часы!
"-O" - как бы и нет, но на случай если понадобиться поменять местами "х" и "у" для последующей склейки *.jpg в ImageMagick решил добавить.
Ещё раз, спасибо.

Всего записей: 556 | Зарегистр. 19-11-2005 | Отправлено: 01:48 16-10-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
kost2005
А у вас там, кстати, не фиксированное значение максимальной координаты. Зачем вы его вписываете вручную, если сервер возвращает правильную 404 ошибку на отсутствующий файл? Т. е. можно спокойно ориентироваться на код возврата сабжа.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 02:08 16-10-2013 | Исправлено: ASE_DAG, 02:12 16-10-2013
LonerDergunov



Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Подскажите, как правильно адаптировать команду для последнего wget? (команда запускается из cmd-файла и скачивает последнюю версию PortableApps рядом с cmd-скриптом).
Для версии 1.11.4  строка выглядит так:

Код:
Wget.exe -O- -nH --waitretry=5 -t5 -T15 -nd -U"Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)" "http://sourceforge.net/projects/portableapps/files/latest/download?source=files"|find "href=""http://downloads.sourceforge.net"|Wget.exe -F -i- -nH -N --waitretry=5 -t5 -T15 -nd -U"Mozilla/4.0 (compatible; MSIE 8.0; Windows NT 5.1; Trident/4.0)" -P "%~dp0."

 
В версии 1.14 вместо PortableApps.com_Platform_Setup_11.2.exe
скачивается файл с именем
PortableApps.com_Platform_Setup_11.2.exe@r=&ts=1381971386&use_mirror=netcologne

Всего записей: 2972 | Зарегистр. 11-07-2007 | Отправлено: 04:57 17-10-2013 | Исправлено: LonerDergunov, 04:58 17-10-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время.
 kost2005
 Если, как утверждает ув. ASE_DAG, там не фиксированы максимальные значения, то скрипт для cmd может выглядеть так. Подробнее...
 
 LonerDergunov
 Попробуйте добавить --trust-server-names
 
Исправлен cmd скрипт.

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 12:34 18-10-2013 | Исправлено: Alex_Piggy, 18:21 18-10-2013
kost2005

Full Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy  
Спасибо за очередной скрипт, вот только скачать им ничего не получается, а я даже незнаю куда --output-file=wget_log.log дописать что бы посмотреть отчёт об ошибке.
 
ASE_DAG с моими глубокими познаниями проще вписать координаты вручную.

Всего записей: 556 | Зарегистр. 19-11-2005 | Отправлено: 17:40 18-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Следующая команда должна бы  

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 14:07 23-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Следующая команда должна бы сохранять все изображения со страницы
 

Код:
wget -HEkp -nc -nd -e robots=off "http://rutracker.org/forum/viewtopic.php?t=4568753&view=print"

 
однако некоторые пропускает. В чем может быть дело?

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 14:07 23-10-2013 | Исправлено: D1D1D1D, 14:10 23-10-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, D1D1D1D
Чую, что дело в активном использовании JavaScript и (похоже, как следствие) использовании <var class="postImg" title="URL">NAME</var> вместо <img src="URL">  
Доказать не могу.

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 15:57 23-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy, вечер предобрый.
 
Да, судя по всему, так и есть. Спасибо.

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 16:32 23-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Нижеприводимый код получит куки с Рутрекера, скачает торрент (закомментировано), но страница с описанием будет выдана без регистрации (вместо звездочек -- ваши тамошние логин и пароль):
 

Код:
wget --keep-session-cookies --save-cookies cookies.txt --post-data "login_username=*******&login_password=*******&login=Вход" --no-check-certificate http://login.rutracker.org/forum/login.php
 
:: wget --keep-session-cookies --load-cookies cookies.txt  --referer='http://rutracker.org/forum/viewtopic.php?t='4568753 --header='Content-Type:application/x-www-form-urlencoded' --header='t:'4568753 --post-data='t='4568753 http://dl.rutracker.org/forum/dl.php?t=4568753 -O [rutracker.org].t4568753.torrent
 
wget "http://rutracker.org/forum/viewtopic.php?t=4568753"

 
Есть ли возможность скачивать её залогинившись wget'ом?

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 00:31 25-10-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
Что значит «есть ли»? Попробуйте — и узнаете. Я проблемы не вижу.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 01:18 25-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG
Так ведь пробовал, и не раз. Вы посудите: эту страницу без авторизации описанным способом еще можно скачать -- http://rutracker.org/forum/viewforum.php?f=2524, но содержимое любой из последующих, например -- http://rutracker.org/forum/viewforum.php?f=2524&start=50 уже совсем будет недоступно.
Или что-то упускаю?

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 02:31 25-10-2013 | Исправлено: D1D1D1D, 02:45 25-10-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
Я перестаю понимать ваш вопрос. Вы пропустили словечко «не»? «Есть ли возможность скачивать её не залогинившись wget'ом», вы хотели спросить?
 
> но содержимое любой из последующих, например -- http://rutracker.org/forum/viewforum.php?f=2524&start=50 уже совсем будет недоступно.
Нет, у меня прекрасно доступно. Но вполне допускаю, что у них там сложная система цензов — возможно, географическая или еще какая. В любом случае, что мешает залогиниться?

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 03:41 25-10-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, D1D1D1D
Ваше у меня не работает. Ошибка кода подтверждения. Потом разберусь.
Зацепился глазом - wget http://rutracker.org/forum/viewtopic.php?t=4568753 - у Вас --keep-session-cookies --load-cookies cookies.txt прописано в .wgetrc или просто потерялось?

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 10:24 25-10-2013 | Исправлено: Alex_Piggy, 10:25 25-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Приветствую!
 
ASE_DAG
Правильно ли понимаю: скачанная приведенным выше кодом вторая страница темы у Вас отображается без требования регистрации, с Вашим логином?
 
Alex_Piggy
На вопрос, увы, затрудняюсь ответить: мало что в этом понимаю. Во всяком случае, ни файла, ни строки с ".wgetrc" не обнаружено.
 
А задача такая: скачать какую-нибудь не стартовую страницу темы Рутрекера посредством wget, а значит, авторизировавшись через wget. Ведь если торрент-файл скачивается, значит авторизация была, но тогда почему любая не стартовая страница темы выдаётся неавторизованной?

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 13:22 25-10-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
D1D1D1D
Потому что авторизация "хранится" в куках, в данном случае - в файле cookies.txt. И в второй команде (скачка торрента) у Вас --load-cookies cookies.txt есть (и, соответственно, есть данные авторизации), а в третьей - нет.  
wget --load-cookies cookies.txt "http://rutracker.org/forum/viewtopic.php?t=4568753"  
PS. Спасибо. Последний wget, собранный мной не авторизуется.  by TumaGonx Zakkum - работает нормально.  Буду искать.
UPD: Исправил, отправил багрепорт, пересобрал, перезалил.

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 16:57 25-10-2013 | Исправлено: Alex_Piggy, 22:59 26-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Большое спасибо!
 
Кстати вот wget.exe которым пользовался.

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 17:11 25-10-2013
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178

Компьютерный форум Ru.Board » Компьютеры » Программы » Wget


Реклама на форуме Ru.Board.

Powered by Ikonboard "v2.1.7b" © 2000 Ikonboard.com
Modified by Ru.B0ard
© Ru.B0ard 2000-2024

BitCoin: 1NGG1chHtUvrtEqjeerQCKDMUi6S6CG4iC

Рейтинг.ru