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

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
uN533n



Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Спасибо, буду пробовать

Всего записей: 20 | Зарегистр. 24-10-2009 | Отправлено: 16:30 09-04-2014
Skif_off

Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Кто-нибудь может скомпилть типа by osspack32 , но с OpenSSL 1.0.1g? Или ни к чему торопиться?

Всего записей: 5792 | Зарегистр. 28-01-2008 | Отправлено: 00:28 14-04-2014
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Skif_off
 
Торопится есть к чему - в OpenSSL 1.0.1.5 (1.0.1f)/1.0.2 Beta была ошибка переполнения буфера чтения при работе с TLS CVE-2014-0160 вызывавшая падение программ. Исправлено в OpnSSL 1.0.1.6 (1.0.1g)/1.0.2 beta2.

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

Всего записей: 23994 | Зарегистр. 31-07-2002 | Отправлено: 00:55 14-04-2014
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время.
Угу. https://db.tt/4Rg7aMLN

Всего записей: 1694 | Зарегистр. 07-08-2002 | Отправлено: 18:28 14-04-2014
Skif_off

Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Спасибо, curl-ca-bundle.crt и wget.ini можно оставить прежними?

Всего записей: 5792 | Зарегистр. 28-01-2008 | Отправлено: 18:38 14-04-2014
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Skif_off
 
curl-ca-bundle.crt нужно просто переименовать - Wget считывает файл ca-bundle.crt? но его можно пересоздать заново используя OpenSSL SDK - в нём есть для этого скрипты, а wget.ini если не надо менять свои настройки при необходимости можно просто дополнить через k3diff, WinMerge, TortoiseDiff новыми строками с теми настройками которые надо задать по умолчанию чтобы снова не вводить. Но ключи заданные в комстроке вызова переопределяют значения заданные в конфигах.
 
В опциях есть три изменения:
 
Добавлены:
 
       --no-config           Do not read any config file.
       --start-pos=OFFSET    start downloading from zero-based position OFFSET.
 
Удалена:
 
         --local-filesystem-encoding=ENC use ENC as the default remote encoding. If not specifed, use value of --local-encoding.
 
Alex_Piggy
 
Сейчас стал выводить справку и заметил что в ./locale добавились строки:
 
--no-config           Do not read any config file  
--start-pos=OFFSET    start downloading from zero-based position OFFSET.  
 
которых нет в текущем переводе. Не критично, но возможны "претензиЯ". Не охота возится с POEdit ради пары строк....

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

Всего записей: 23994 | Зарегистр. 31-07-2002 | Отправлено: 18:49 14-04-2014 | Исправлено: Victor_VG, 19:51 14-04-2014
Skif_off

Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG

Цитата:
curl-ca-bundle.crt нужно просто переименовать - Wget считывает файл ca-bundle.crt?

В сборке by osspack32 в wget.ini есть ключ
cacertificate = ./curl-ca-bundle.crt
не стал менять. Наверное, подхватит?

Цитата:
Но ключи заданные в комстроке вызова переопределяют значения заданные в конфигах.

У себя поэтому оставил  

Код:
background = off
cacertificate = ./curl-ca-bundle.crt

остальное закомментил, сделав приписку что было по умолчанию

Всего записей: 5792 | Зарегистр. 28-01-2008 | Отправлено: 20:41 14-04-2014
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Skif_off
 
cacertificate = ./curl-ca-bundle.crt - так да, ибо имя файла сертификата указано в конфиге, но тогда он должен находится в одном каталоге с бинарником - путь относительный.


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

Всего записей: 23994 | Зарегистр. 31-07-2002 | Отправлено: 20:54 14-04-2014
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Skif_off
Только я SSL не трогал. По умолчанию подхватывает сертификаты из cert.pem (тот же файл.)
Насчет оставлять ли старый curl-ca-bundle.crt - не знаю. Я не безопасник. Корневые вроде не скомпроментированы.
 
Victor_VG

Цитата:
Удалена:  --local-filesystem-encoding=ENC use ENC as the default remote encoding. If not specifed, use value of --local-encoding.

Ее никогда не было. vanilla.
 

Цитата:
./locale добавились строки: которых нет в текущем переводе.

Из меня еще тот переводчик... Сделал...

Всего записей: 1694 | Зарегистр. 07-08-2002 | Отправлено: 21:24 14-04-2014
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
 
Удалена: - да, я про это и забыл...
За перевод спасибо.

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

Всего записей: 23994 | Зарегистр. 31-07-2002 | Отправлено: 22:06 14-04-2014
Skif_off

Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy

Цитата:
Только я SSL не трогал.

В смысле - скомпилено без OpenSSL?

Всего записей: 5792 | Зарегистр. 28-01-2008 | Отправлено: 00:12 15-04-2014
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Skif_off

Цитата:
В смысле - скомпилено без OpenSSL

В смысле того, что подчёркнуто:

Цитата:
GNU Wget 1.15.20-8e5e-dirty Ru-Board Variant built on mingw32.
 
+digest +https +ipv6 +iri +large-file +nls +ntlm +opie +ssl/openssl  
 
Compile:  
    gcc -DHAVE_CONFIG_H -DSYSTEM_WGETRC="./wgetrc"  
    -DLOCALEDIR="./locale" -I. -I../lib -I../lib  
    -I/usr/local/winiconv/include -I/usr/local/sslG/include  
    -I/usr/local/winiconv/include -static -fno-unwind-tables  
    -fno-asynchronous-unwind-tables -DPCRE_STATIC -DLARGEFILES  
    -D_LARGEFILE_SOURCE -D_FILE_OFFSET_BITS=64 -D_PC_NAME_MAX=255 -Os  
    -s -msse2  
Link:  
    gcc -static -fno-unwind-tables -fno-asynchronous-unwind-tables  
    -DPCRE_STATIC -DLARGEFILES -D_LARGEFILE_SOURCE  
    -D_FILE_OFFSET_BITS=64 -D_PC_NAME_MAX=255 -Os -s -msse2 -static -s  
    -L/usr/local/winiconv/lib /usr/local/winiconv/lib/libiconv.a  
    /usr/local/winiconv/lib/libintl.a -L/usr/local/winiconv/lib  
    /usr/local/winiconv/lib/libiconv.a /usr/local/sslG/lib/libssl.a  
    /usr/local/sslG/lib/libcrypto.a -lz -lws2_32 -lgdi32 -lidn -lpcre  
    ftp-opie.o mswindows.o openssl.o http-ntlm.o ../lib/libgnu.a  

библиотеки уже статически слинкованы в бинарник. Так что без OpenSSL дело как-то не обошлось.

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

Всего записей: 23994 | Зарегистр. 31-07-2002 | Отправлено: 02:26 15-04-2014
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время
Skif_off
В смысле - не трогал ни настройки ни код. Ни OpenSSL ни Wget.
Victor_VG

Цитата:
да, я про это и забыл...

Вообще-то они правильно говорят, что это некорректный подход. И уже есть рабочий вариант - http://lists.gnu.org/archive/html/bug-wget/2013-09/msg00078.html .Просто не успел доделать тогда... Осталось перенести это в mswindows.c и исправить в url.c append_uri_pathel(), чтобы работал с wchar вместо char. Время, время...
 

Цитата:
За перевод спасибо.

Не за что.

Всего записей: 1694 | Зарегистр. 07-08-2002 | Отправлено: 10:01 15-04-2014 | Исправлено: Alex_Piggy, 10:02 15-04-2014
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
 
Понятно, ждём. У меня собрать не вышло.

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

Всего записей: 23994 | Зарегистр. 31-07-2002 | Отправлено: 15:31 15-04-2014
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, Victor_VG
Попробуйте, пожалуйста... Этот вариант должен нормально работать с UTF-8 именами без всяких дополнительных ключей... wget_test.zip

Всего записей: 1694 | Зарегистр. 07-08-2002 | Отправлено: 22:07 25-04-2014
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
 
Взял, погоняю, отпишусь.

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

Всего записей: 23994 | Зарегистр. 31-07-2002 | Отправлено: 22:24 25-04-2014
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Посмотрел, что имеем.  
 
Во всех опытах используем одну команду:
 
wget -nv --input-file=links.txt
 
линки в файле links.txt
 
Серия №1: линки задаём в файле,  кодировка UTF-8, BOM
 
завершение строк CR-LF (DOS/Win) - Invalid URL : Scheme missing. No URLs found in links.txt.
 
завершение строк CR (Mac OS) - Invalid URL : Scheme missing . No URLs found in links.txt.
 
завершение строк LF (UNIX) -  Invalid URL : Scheme missing. No URLs found in links.txt.
 
Серия №2: линки задаём в файле,  кодировка UTF-8, без BOM
 
завершение строк CR-LF (DOS/Win) - успех
 
завершение строк CR (Mac OS) - успех
 
завершение строк LF (UNIX) - успех

 
Таким образом находим проблемное место - если файл кодирован в UTF-8 с сигнатурой BOM (0xEFBBEF), то возникает ошибка парсера, ибо он считает ВОМ частью URL и пытается обработать как текст, последствия серия №1.  
 
Решение: проверяем файл на наличие ВОМ, если она есть ставим начальный адреса чтения на смещение +3 от начала файла пропуская ВОМ. Т.е. логика примерно такая
 
If subst(input,0,3) == 0xEFBBEF Then read(subst(input,3,linght)) Else read(input);
 
думаю, что в общих чертах идея понятна....
 
 


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

Всего записей: 23994 | Зарегистр. 31-07-2002 | Отправлено: 01:49 26-04-2014 | Исправлено: Victor_VG, 01:53 26-04-2014
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Приветствую!
 
Почему-то не удаётся скачать ни одной из программ страницы видимые внизу, по ссылкам вида (ссылка могла устареть):
 

Код:
http://communitarian.ru/publikacii/sng/yanukovich_vernetsya_osvobozhdat_ukrainu_25032014/0ping.php?t=show5252525252526u525252525253Dhttp52525252525253A52525252525252F52525252525252Fanonymouse.org52525252525252Fcgi-bin52525252525252Fanon-www.cgi52525252525252Fhttp52525252525253A52525252525252F52525252525252Fcommunitarian.ru52525252525252Fpublikacii52525252525252Fsng52525252525252Fyanukovich_vernetsya_osvobozhdat_ukrainu_2503201452525252525252F5252525252526ref525252525253Dhttp52525252525253A52525252525252F52525252525252Fanonymouse.org52525252525252Fcgi-bin52525252525252Fanon-www.cgi52525252525252Fhttp52525252525253A52525252525252F52525252525252Fcommunitarian.ru52525252525252F5252525252526w525252525253D10935252525252526h525252525253D6145252525252526uid525252525253D137713814426052525252526PAGEN_15252525253D108525252526PAGEN_15253D108526PAGEN_1D13&PAGEN_1=44

 
Т.е. скачать например вот так не получается:
 

Код:
wget --user-agent="Mozilla/5.0 (Windows NT 5.1; rv:26.0) Gecko/20100101 Firefox/26.0 SeaMonkey/2.23" "http://communitarian.ru/publikacii/sng/yanukovich_vernetsya_osvobozhdat_ukrainu_25032014/0ping.php?t=show5252525252526u525252525253Dhttp52525252525253A52525252525252F52525252525252Fanonymouse.org52525252525252Fcgi-bin52525252525252Fanon-www.cgi52525252525252Fhttp52525252525253A52525252525252F52525252525252Fcommunitarian.ru52525252525252Fpublikacii52525252525252Fsng52525252525252Fyanukovich_vernetsya_osvobozhdat_ukrainu_2503201452525252525252F5252525252526ref525252525253Dhttp52525252525253A52525252525252F52525252525252Fanonymouse.org52525252525252Fcgi-bin52525252525252Fanon-www.cgi52525252525252Fhttp52525252525253A52525252525252F52525252525252Fcommunitarian.ru52525252525252F5252525252526w525252525253D10935252525252526h525252525253D6145252525252526uid525252525253D137713814426052525252526PAGEN_15252525253D108525252526PAGEN_15253D108526PAGEN_1D13&PAGEN_1=2"

Всего записей: 727 | Зарегистр. 05-04-2010 | Отправлено: 07:55 27-04-2014
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, D1D1D1D
Спасибо, что напомнили.  
Сейчас - сохраняйте в папку с полным именем длиной не более 15 символов.

Всего записей: 1694 | Зарегистр. 07-08-2002 | Отправлено: 09:33 27-04-2014
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Не совсем понимаю, вот так? —
 

Код:
wget --user-agent="Mozilla/5.0 (Windows NT 5.1; rv:26.0) Gecko/20100101 Firefox/26.0 SeaMonkey/2.23" "LINK" -P FOLDER

 
Добавлено:
Alex_Piggy
 
С Вашей версией программы работает, спасибо!

Всего записей: 727 | Зарегистр. 05-04-2010 | Отправлено: 17:10 27-04-2014 | Исправлено: D1D1D1D, 20:59 27-04-2014
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

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