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
PREVED



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
 
Спасибо. В новой версии wget проблема с названиями решилась.  
 
Пытаюсь скачать страницу из кэша Google (а так, как известно протокол HTTPS). При закачке ругается на сертификат
"WARNING: cannot verify webcache.googleusercontent.com's certificate, issued by '/C=US/O=Google Inc/CN=Google Internet Authority G2':
  Unable to locally verify the issuer's authority.
HTTP request sent, awaiting response... 403 Forbidden
2013-11-03 13:26:28 ERROR 403: Forbidden."
 
 
 
Попробовал вместе с опцией --no-check-certificate:
wget -i list.txt --no-check-certificate

 
Все равное ругается на сертификат! Как быть?
А файлы в кэше не сегодня-завта будут перезаписаны.
 
 
 
Добавлено:
 
 
 
попробовал еще вот так:
wget -i list.txt --ca-certificate z:\wget\ca-root-nss.crt https://www.google.com/
 
(файл ca-root-nss.crt скачал с первого попавшегося ftp, который нагуглил)
 
Вот результат:
Connecting to webcache.googleusercontent.com (webcache.googleusercontent.com)|173.194.71.132|:443... connected.
HTTP request sent, awaiting response... 403 Forbidden
2013-11-03 13:45:53 ERROR 403: Forbidden.

 
Как подружить wget и гугл ?

Всего записей: 1962 | Зарегистр. 10-03-2006 | Отправлено: 13:28 03-11-2013 | Исправлено: PREVED, 14:00 03-11-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, PREVED
Это не ошибка сертификата. Точнее, не только.
HTTP 403 - "В доступе отказано" - то ли реферер не нравится, то ли юзерагент. Скорее, последнее.
Найдите строку useragent для своего браузера.  
Например, для IE9 это будет что-то вроде Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)
wget -i list.txt --no-check-certificate --user-agent="Mozilla/5.0 (compatible; MSIE 9.0; Windows NT 6.1; Trident/5.0)"
Для оперы работает так:
wget.exe --user-agent="Opera" "http://webcache.googleusercontent.com/search?q=cache:RNPk-pc7W9sJ:elims.org.ua/blog/google-cache-browser-prosmotr-kesha-bez-muchenij/+&cd=2&hl=ru&ct=clnk&gl=ua&client=opera"

Всего записей: 1729 | Зарегистр. 07-08-2002 | Отправлено: 14:23 03-11-2013
Skay91

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Добрый вечер)
Подскажите, как отключить редирект (303 See Other) и чтоб при этом скачивалась именно та страница, на которую ссылка.
то ли я слепой, то ли в мане и правда ничего такого нет.
если --max-redirect ставить значение 0 - то просто обрыв идет, ссылка не качается в итоге.
гугл как не спрашивал, в основном выдает про правильное имя после редиректа, а как его отключить - нету

Всего записей: 108 | Зарегистр. 06-03-2011 | Отправлено: 23:09 03-11-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Skay91
Не понял. У вас под 303 See Other возвращается какое-то полезное содержимое? Покажите этот чудо-урл. В любом случае, можете воспользоваться curl’ом — он без явного указания по редиректам не ходит.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 23:30 03-11-2013 | Исправлено: ASE_DAG, 23:32 03-11-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время
ASE_DAG
Скорее всего просто версия < 1.13, в которой было введено отдельное --trust-server-names. До этого по умолчанию wget получал имя файла, после - файл сохраняется под именем из URL.
Skay91
Попробуйте версию 1.14

Всего записей: 1729 | Зарегистр. 07-08-2002 | Отправлено: 23:36 03-11-2013
Skay91

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy,ASE_DAG
 как раз это не то. что имя файла не меняется это не та проблема. содержимое не то.
качаю http://lib.rus.ec/a/781 (в браузере открывается как надо) а для wget случается перенаправление на http://lib.rus.ec/a/33265  (я в курсе что там и там одна инфа, меня интересует, как обойтись без этого редиректа в wget)
версия 1.13.4

Всего записей: 108 | Зарегистр. 06-03-2011 | Отправлено: 23:44 03-11-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Skay91
> качаю http://lib.rus.ec/a/781 (в браузере открывается как надо), а для wget случается перенаправление на http://lib.rus.ec/a/33265
Не подтверждаю. У меня и браузер* перенаправляет.
 
*) Mozilla/5.0 (X11; Linux x86_64; rv:17.0) Gecko/20131030 Firefox/17.0 Iceweasel/17.0.10


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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 23:44 03-11-2013 | Исправлено: ASE_DAG, 23:48 03-11-2013
Skay91

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
у меня Firefox 24 (под виндой). из плагинов адблок и TabMixPlus но ни то ни другое на это не влияют.

Всего записей: 108 | Зарегистр. 06-03-2011 | Отправлено: 23:57 03-11-2013 | Исправлено: Skay91, 23:58 03-11-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Skay91
ОК. Поскольку мы зашли в тупик, давайте вы воспользуетесь одним из советов Эрика Рэймонда и опишите вашу конечную цель, а не один из пунктов возможного алгоритма решения.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 00:04 04-11-2013
Skay91

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ну Вы уже решение дали - curl, буду им качать, раз wget без редиректа не может.
P.S.: пасиб за ссыль))

Всего записей: 108 | Зарегистр. 06-03-2011 | Отправлено: 00:08 04-11-2013 | Исправлено: Skay91, 00:11 04-11-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Skay91, тем не менее, мне все-таки было бы интересно узнать, нафига это нужно.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 00:17 04-11-2013
Skay91

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG, с cURL тоже интересно получается.
 

Код:
 
skay91@debian:~$ curl -o "781" http://lib.rus.ec/a/781
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                                      Dload  Upload   Total   Spent    Left  Speed
  0     0    0     0    0     0      0      0 --:--:-- --:--:-- --:--:--     0
skay91@debian:~$ curl -L  -o "781" http://lib.rus.ec/a/781
  % Total    % Received % Xferd  Average Speed   Time    Time     Time  Current
                                                    Dload  Upload   Total   Spent    Left  Speed
  0     0    0     0    0     0      0      0 --:--:-- --:--:-- --:--:--     0
  0     0    0 49388    0     0  41764      0 --:--:--  0:00:01 --:--:--  154k
 
 

без редиректа отказывается качать.

Всего записей: 108 | Зарегистр. 06-03-2011 | Отправлено: 00:45 04-11-2013 | Исправлено: Skay91, 00:46 04-11-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Не отказывается, а все, что было, скачал. Что значит, что не было там, под 303-м кодом ничего лишнего. Как и должно быть.
 
Добавлено:
И да, я по-прежнему не понимаю, зачем вам это нужно.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 01:35 04-11-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, Skay91
Редирект выдает сервер. Программа не может скачать страницу Х, если сервер перенаправляет на страницу Y.
Печенькой сервер подкупать не пробовали? ;-)
Если серьезно - скорее всего у Вас есть учетная запись на Либрусеке или что-то еще, что хранится в cookies. Или авторизуйтесь при помощи Wget/Curl или экспортируйте cookies.
И проверьте Ваш другой браузер - как он себя будет вести.
PS. Opera тоже перенаправляется на 33265. Мою учетку там заблокировали, поэтому авторизацию проверить не могу.

Всего записей: 1729 | Зарегистр. 07-08-2002 | Отправлено: 11:45 04-11-2013
Skay91

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy, а вот ИЕ перенаправляет (как авторизованный так и неавторизованный). Хм. ну пока выкачаю так, а потом гляну, много ли таких авторов Если  что уже руками поправлю.
Всем спасибо.

Всего записей: 108 | Зарегистр. 06-03-2011 | Отправлено: 12:24 04-11-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Skay91
> скорее всего у Вас есть учетная запись на Либрусеке
Судя по скриншоту, который вы мне прислали лично (он секретный?), у вас таки есть там учетная запись. И это весьма вероятно и есть причина.
 
P. S. Кстати, там на снимке написано: «Ошибочное написание автора Вольдемар Николаевич Балязин». А что здесь ошибочного? На странице, куда перенаправляют его имя записано точно так же, разве нет?

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 14:34 04-11-2013
Skay91

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
да ничего там секретного нет))
отличие тут и правда только в отчестве (странно что просто не отредактировали). данная ссылка просто как пример переадрисации была. там таких прилично встречается и некоторые весьма сильно отличаются (вот они то уже оставлены для поиска).
я попробовал в другом браузере, в нем и с авторизацией и без - все равно перенаправляет. похоже где то в FireFox у меня настройки подкручены, раз такого не случается (на других сайтах автоматическая переадресация где надо - работает)

Всего записей: 108 | Зарегистр. 06-03-2011 | Отправлено: 16:25 04-11-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Еще раз: это не вопрос настройки клиента. Если хотите узнать в чем дело — напишите админам Либрусека, спросите при каких обстоятельствах их сервер отдает 200 с вот этим содержимым с вместо 303.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 17:12 04-11-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Добрейшая ночь!
 
Явленная ниже команда скачивает из списка все подряд ссылки на изображения, в том числе на несуществующие (при этом грузится HTML-страница):

Код:
wget -i lnklst.txt

Имеется ли опция для скачивания только реальных ссылок?

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 00:14 07-11-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D, если по ссылке что-то загружается (в частности HTML-страница), то это ссылка вполне «реальна».
 
Добавлено:
А устанавливать ограничение по mime-type ключом позволяет, например, httrack.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 01:34 07-11-2013
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