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

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: 1531 | Зарегистр. 17-06-2003 | Отправлено: 13:39 08-11-2003 | Исправлено: juvaforza, 17:27 01-09-2019
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Новое вопрошенье. Позволительно ли объеденить команду:

Код:
wget -HEkp -nc -nd -e robots=off -P _temp_ "http://vivovoco.astronet.ru/VV/PAPERS/VV_AU_W.HTM"

с командой:

Код:
wget -O index.htm "http://vivovoco.astronet.ru/VV/PAPERS/VV_AU_W.HTM"

т.е., чтобы в итоге закачка произошла в несуществующую папку "_temp_", со всеми файлами, необходимыми для корректного отображения вэб-страницы и т.д (первый код) -- одновременно с определенным именем "index.htm" (второй код)?

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 13:14 30-10-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
Нет. И дело здесь не -P, который достаточно бессмысленен — куда правильнее оперировать текущей директорией, а в том, что -O — это перенаправление всего вывода.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 14:03 30-10-2013 | Исправлено: ASE_DAG, 14:06 30-10-2013
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Вдруг кому пригодится: закачка файлов с Яндекс.Диск через WGET в cmd.exe
P.S.: требуется SED, например из UnxUtils

Всего записей: 8586 | Зарегистр. 11-03-2002 | Отправлено: 14:36 30-10-2013 | Исправлено: Pasha_ZZZ, 14:36 30-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG
То есть средствами WGET не предусмотрено скачивание во вновь созданную папку с определенным именем (без последующих переименований)?

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 18:47 30-10-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
Этот и предыдущий вопрос от вашего имени в этой ветке точно заданы одним человеком?
 
> не предусмотрено скачивание во вновь созданную папку с определенным именем (без последующих переименований)?
Ключ --directory-prefix (-P) предусмотрен ровно для этого.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 20:23 30-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Ну раз в первом ответе вы намекнули, что приведенные мной параметры не уместны, я захотел уточнить, действительно ли загрузка файла в свежесозданную папку с новым (измененным) именем во wget не доступна, т.к. из ваших слов напрашивалось, что если не уместны эти, существуют другие.
Кстати, в первый раз вы пишите: "дело здесь не -P, который достаточно бессмысленен", а сейчас: "Ключ --directory-prefix (-P) предусмотрен ровно для этого". Для скачивания в созданную папку с определенным (заданным) именем? Если да, дайте пожалуйста пример кода.

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 20:54 30-10-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
> в первый раз вы пишите: "дело здесь не -P, который достаточно бессмысленен", а сейчас: "Ключ --directory-prefix (-P) предусмотрен ровно для этого"
Да. Вы видите здесь противоречие? Недостаточно осмысленен он потому, что это корректно и более прозрачно заменяется сменой текущей директории, что я уже писал.
 
> дайте пожалуйста пример кода
$ wget -HEkp -nc -nd -e robots=off -P _temp_ "http://vivovoco.astronet.ru/VV/PAPERS/VV_AU_W.HTM"

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 22:36 30-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Вы извините, но ещё раз: каким будет код, который загрузит страницу "http://vivovoco.astronet.ru/VV/PAPERS/VV_AU_W.HTM" как "INDEX.htm" в папку с именем "_temp_"?

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 23:07 30-10-2013
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
D1D1D1D
Загрузить страницу с ее реквизитами, переименовав только HTML-файл, невозможно. Для переименования воспользуйтесь возможностями вашего шелла после завершения работы вгет.

Всего записей: 8586 | Зарегистр. 11-03-2002 | Отправлено: 23:34 30-10-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
Вам потребуется выполнить две группы операций - переименование и правку ссылок. Ну, первая элементарна, к примеру mv -f <old> <new>, вторая потребует применения редакторов типа awk, sed или им подобных умеющих обрабатывать скрипты вида "найти и заменить все", а обе вместе потребуют применения скрипта который задаст нужную последовательность команд. Так выйдет, иначе результат будет не предсказуем.

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

Всего записей: 24853 | Зарегистр. 31-07-2002 | Отправлено: 05:01 31-10-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Спойлеры рутрекерные не кажет:
 

Код:
wget --load-cookies cookies.txt -HEkp -nc -nd -e robots=off "http://rutracker.org/forum/viewtopic.php?t=4568753"

 
С чего бы?

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 20:13 01-11-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
Исходники их страниц посмотрите - конструкций типа такой (это типовой спойлер с картинками):

Код:
<div class="sp-body" title="Примеры страниц">
<h3 class="sp-title">Примеры страниц</h3>
<a href="http://fastpic.ru/view/60/2013/1022/4b32f53aacf1fcef44277ea2b6683309.jpg.html" class="postLink"><var class="postImg" title="http://i60.fastpic.ru/thumb/2013/1022/09/4b32f53aacf1fcef44277ea2b6683309.jpeg">&#10;</var></a> <a href="http://fastpic.ru/view/60/2013/1022/1a5646c38cfa801134fa8d5f524dfd1b.jpg.html" class="postLink"><var class="postImg" title="http://i60.fastpic.ru/thumb/2013/1022/1b/1a5646c38cfa801134fa8d5f524dfd1b.jpeg">&#10;</var></a> <a href="http://fastpic.ru/view/60/2013/1022/ac8f488cbe127bbb7ed4f495e15e0a1f.jpg.html" class="postLink"><var class="postImg" title="http://i60.fastpic.ru/thumb/2013/1022/1f/ac8f488cbe127bbb7ed4f495e15e0a1f.jpeg">&#10;</var></a> <a href="http://fastpic.ru/view/60/2013/1022/b3831cbd2c4a43e4a60c553c0bf333ef.jpg.html" class="postLink"><var class="postImg" title="http://i60.fastpic.ru/thumb/2013/1022/ef/b3831cbd2c4a43e4a60c553c0bf333ef.jpeg">&#10;</var></a> <a href="http://fastpic.ru/view/60/2013/1022/96d809ece62afdd787496f5437453fad.jpg.html" class="postLink"><var class="postImg" title="http://i60.fastpic.ru/thumb/2013/1022/ad/96d809ece62afdd787496f5437453fad.jpeg">&#10;</var></a> <a href="http://fastpic.ru/view/60/2013/1022/bf45eaad81567269abf8a9f048fae1b2.jpg.html" class="postLink"><var class="postImg" title="http://i60.fastpic.ru/thumb/2013/1022/b2/bf45eaad81567269abf8a9f048fae1b2.jpeg">&#10;</var></a> <a href="http://fastpic.ru/view/60/2013/1022/83805381208e2b52aed4ee2fd260e073.jpg.html" class="postLink"><var class="postImg" title="http://i60.fastpic.ru/thumb/2013/1022/73/83805381208e2b52aed4ee2fd260e073.jpeg">&#10;</var></a></div>
</div>

там по десятку на каждой и вдобавок эти спойлеры обрабатываются через скрипты и CSS. А cURl/Wget не браузеры, они скрипты вычислять не умеют....

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

Всего записей: 24853 | Зарегистр. 31-07-2002 | Отправлено: 20:30 01-11-2013 | Исправлено: Victor_VG, 20:33 01-11-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG
А я кстати взаимозаменял приведенный вами фрагмент на соответственный браузерный -- с тем же результатом.
httrack в этом смысле сгодится, не в курсе ли?

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 21:04 01-11-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
Обсчитывает ли HTTrack яваскрипты, вы хотите спросить? Нет.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 21:12 01-11-2013 | Исправлено: ASE_DAG, 21:13 01-11-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG
Оказалось, если заменить main.js@v=40 на полученный из браузера (переименовав), спойлеры заработают.

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 22:38 01-11-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
Так браузер же его уже для нас просчитал, а вгет/сурл эти не занимаются. И по моему это хорошо - не хватает к качалке ещё Эверест прикрутить - "А вдруг когда понадобится?".

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

Всего записей: 24853 | Зарегистр. 31-07-2002 | Отправлено: 23:02 01-11-2013
PREVED



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Помогите пожалуйста! Нужно быстрое решение!
 
Задача: нужно заставить wget выкачивть файлы(точнее веб-страницы из кэша поисковика) по ссылкам из списка в txt.
 
Проблема - имя файла получается очень длинным. Wget из-за этого не может обработать эти ссылки, так как конечный(результатирующий) файл оказывается с именем слишком огромной длины! (сказывается ограничение файловой системы на макс.длину файла в windows).  
Как можно заставить wget качать файлы(html) по этим ссылкам НА ЛЕТУ давая им короткие имена, последовательноприсваивая им имена (например 01,02)???

Всего записей: 1962 | Зарегистр. 10-03-2006 | Отправлено: 01:02 02-11-2013 | Исправлено: PREVED, 01:04 02-11-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
PREVED
 
А у вас не срабатывает часом ограничение на допустимые символы имён объектов файловой системы? Или нет объектов с пробелами в именах или имеющих к примеру точку в начале конце имени? Что-то мне сильно подсказывает что стоит посмотреть не торчат ли за проблемой ушки дяди Стиви ибо слишком хорошо в известной конторе сотрудникам привито понятие "Все действующие стандарты подлежат безусловному соблюдению, но если мне не хочется или не выгодно соблюдать стандарт, то это проблема стандарта и пользователей!".

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

Всего записей: 24853 | Зарегистр. 31-07-2002 | Отправлено: 02:11 02-11-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
PREVED
Попробуйте этак

Код:
wget -i файл_со_списком_ссылок -O "%DATE:~-4%-%DATE:~3,2%-%DATE:~0,2%_%TIME:~0,2%-%TIME:~3,2%-%TIME:~6,2%.html"

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 02:17 02-11-2013 | Исправлено: D1D1D1D, 02:18 02-11-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время
D1D1D1D
Прошу прощения. Вы невнимательны. Wget. Ваш код отправит все скачанное в один файл.
 
Victor_VG
Встречался с таким. Юникодные имена при "--restrict-file-names=ASCII". Действительно по длине имени. Недавно вспоминалось.
http://lists.gnu.org/archive/html/bug-wget/2013-06/msg00068.html
 
PREVED
Попробуйте более новую версию. Не смотрел, как там сделали. Кажется, просто обрезают до 240 символов. При этом не учитывают длину имени папки сохранения.
https://db.tt/4Rg7aMLN

Всего записей: 1729 | Зарегистр. 07-08-2002 | Отправлено: 11:35 02-11-2013 | Исправлено: Alex_Piggy, 11:37 02-11-2013
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

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