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
Skif_off

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

Цитата:
Есть.

Это для тех, кто пользуется Cygwin, я не пользуюсь, мне с такими зависимостями
cygwin1.dll
cyggnutls-28.dll
cygiconv-2.dll
cygidn-11.dll
cygintl-8.dll
cygnettle-4.dll
cygpcre-1.dll
cyguuid-1.dll
cygz.dll
cyggcc_s-1.dll
сабж нафиг не нужен.

Всего записей: 5729 | Зарегистр. 28-01-2008 | Отправлено: 14:41 13-12-2014
Smitis

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору

Цитата:
Кроме ссылок в шапке, под Win есть варианты?

https://eternallybored.org/misc/wget/

----------
Разум когда-нибудь победит

Всего записей: 1640 | Зарегистр. 09-02-2003 | Отправлено: 09:23 20-12-2014
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Всё-таки, с какой версией можно скачать файлы по ссылкам? —
 

Код:
https://500px.com/photo/87615383/d-e-e-p-dirty-p-o-o-l-by-anton-belovodchenko?from=user  
https://500px.com/photo/87614909/d-e-e-p-dirty-p-o-o-l-by-anton-belovodchenko?from=user  
https://500px.com/photo/87507099/d-e-e-p-dirty-p-o-o-l-by-anton-belovodchenko?from=user

 

Всего записей: 706 | Зарегистр. 05-04-2010 | Отправлено: 05:40 04-01-2015
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D, все-таки мы с вами об этом уже, кажется, говорили. За эти полтора месяца ничего не изменилось.
 
ASE_DAG (04:38 14-11-2014)
Цитата:
D1D1D1D, Вэ-гетом — никакими, он яваскрипты не умеет.

 
D1D1D1D (15:28 14-11-2014)
Цитата:
ASE_DAG
Ясно. А просто страницы скачать возможно? (Ссылки на изо я потом отдельно достану).

 
ASE_DAG (23:14 15-11-2014)
Цитата:
D1D1D1D, забавные у вас приоритеты сложности — страницу загрузить есть проблема, а вычленить из нее ссылку на картинку — ерунда. Может наоборот, нет?
 
Ладно с вами, держите однострочником и то, и другое:
 
$ URI="http://500px.com/photo/87615383/d-e-e-p-dirty-p-o-o-l-by-anton-belovodchenko?from=user"
$ wget -O - "$URI" |\
    tidy 2>&- -asxml -utf8 -numeric |\
    xmlstarlet sel -t -m '//_:meta[@property="og:image"]' -v '@content' -n |\
    wget -i -

 
Обработку уникальных имен добавьте по вкусу.

 
«Какой версией?» — любой / никакой — с какого перепугу взяться зависимости от версии-то.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 23:25 04-01-2015 | Исправлено: ASE_DAG, 23:25 04-01-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG, да, был разговор — а воз и ныне там)) И у Вас прекрасная память)))
 
Дело в том, что любезно предоставленный Вами скрипт у меня не работает. Подозреваю, что там нужны ещё какие-то программы, помимо вгет. Просто скачать страницу вот так
 
wget "https://500px.com/photo/86469723/bodyscape-by-anton-belovodchenko?from=user"
 
тоже не получается. Вот и подумалось, что дело в версии.

Всего записей: 706 | Зарегистр. 05-04-2010 | Отправлено: 16:22 06-01-2015
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, D1D1D1D
Можно скачать на любой сборке спойлер
Проблему-то опишите, пожалуйста.
Пробуйте (нужен sed)
wget -O- "https://500px.com/photo/86469723/bodyscape-by-anton-belovodchenko?from=user"| sed -n -e "/image_url/{s/.*image_url\x22:.\x22\([^\x22]\+\)\x22.*/\1/;s/\\//gp}" | wget -i- -x
 
PS. Обновился до 1.16.1.

Всего записей: 1671 | Зарегистр. 07-08-2002 | Отправлено: 17:49 06-01-2015 | Исправлено: Alex_Piggy, 17:54 06-01-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Здравствуйте, Alex_Piggy!
 
Обновил sed и wget, но всё равно у меня не скачивается, даже так:
 
wget "https://500px.com/photo/86469723/bodyscape-by-anton-belovodchenko?from=user"
 
Задача-минимум стоит скачать страницу, а в идеале — картинку по ссылке.

Всего записей: 706 | Зарегистр. 05-04-2010 | Отправлено: 00:31 07-01-2015
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
> Подозреваю, что там нужны ещё какие-то программы, помимо вгет
 
Само собой, нужны все явно перечисленные: wget, tidy, xmlstarlet плюс борн-совместимый шелл.
 
> скачать страницу вот так тоже не получается
 
Не вижу. Подозреваю, что вы забыли привести вывод.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 03:24 07-01-2015
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, ASE_DAG
Можно я приведу вывод вместо D1D1D1D?

Код:
 
Unable to locally verify the issuer's authority.
To connect to 500px.com insecurely, use `--no-check-certificate'.
 

Скорее всего запускается скрипт, который сразу закрывается.
А файл корневых сертификатов не установлен в системе и не прописан в .wgetrc/wget.ini
 
D1D1D1D
Пожалуйста, читайте сообщения о ошибках. Есть ключ "--output-file=wget.log". Есть "--debug".
 
UPD: Прошу прощения за резкость. Нервы ни к черту...

Всего записей: 1671 | Зарегистр. 07-08-2002 | Отправлено: 11:53 07-01-2015 | Исправлено: Alex_Piggy, 23:24 07-01-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Приветствую!
 
Ниже привожу команду и вывод (WinXP):
 
"D:\wget.exe" --output-file=wget.log -O- "https://500px.com/photo/86469723/bodyscape-by-anton-belovodchenko?from=user"| "D:\sed.exe" -n -e "/image_url/{s/.*image_url\x22:.\x22\([^\x22]\+\)\x22.*/\1/;s/\\//gp}" | "D:\wget.exe" -i- -x
 
--2015-01-08 02:38:05--  https://500px.com/photo/86469723/bodyscape-by-anton-belovodchenko?from=user
Resolving 500px.com (500px.com)... 124.50.204.24
Connecting to 500px.com (500px.com)|124.50.204.24|:443... connected.
ERROR: cannot verify 500px.com's certificate, issued by 'CN=COMODO RSA Domain Validation Secure Server CA,O=COMODO CA Limited,L=Salford,ST=Greater Manchester,C=GB':
  Self-signed certificate encountered.
To connect to 500px.com insecurely, use `--no-check-certificate'.

 
Честно говоря, до сих пор думал, что для работы WGET достаточно его экзешника, без наличия корневых сертификатов в системе (о коих понятия не имею)))

Всего записей: 706 | Зарегистр. 05-04-2010 | Отправлено: 02:48 08-01-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
Ну, с сертификатами всё элементарно - положите рядом с бинарником ca-bundle.crt - пока не истечёт срок действия корневых сертификатов его должно хватить, а я там я или кто из ребят новые вытащим. У меня сейчас нет нужных скриптов под рукой, а посему сертификаты от 29.10.2014 11:22:42 - какие у меня есть на конец декабря. И если и с ними в логе будет запись use "--no-check-certificate", то просто добавьте в команду вызова wget ключ --no-check-certificate ибо у ребят они самоподписанные и могут не пройти проверку на корневых серверах сертификации.

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

Всего записей: 23529 | Зарегистр. 31-07-2002 | Отправлено: 04:08 08-01-2015 | Исправлено: Victor_VG, 04:09 08-01-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Спасибо! Без обработки sed'ом в таком виде заработало:
 
wget --no-check-certificate "https://500px.com/photo/86469723/bodyscape-by-anton-belovodchenko?from=user"
 
Полный код уважаемого Alex_Piggy изображение у меня не сохраняет, хотя ссылку на него в окно выводит. Впрочем, их отдельно извлеку.  
 
Спасибо всем!

Всего записей: 706 | Зарегистр. 05-04-2010 | Отправлено: 05:47 08-01-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
Значит верхние (корневые) центры сертификации не могут подтвердить подлинность сайта - сертификат-то самодельный, а значит они его не выдавали и говорят "Не знаем таких. Доверяйте на своё усмотрение.", ну и робот поступает по простой логике "Раз подлинность сайта не подтверждена, то считаем его поддельным и не устанавливаем с ним связь". Я считаю, что это верное решение.

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

Всего записей: 23529 | Зарегистр. 31-07-2002 | Отправлено: 14:07 08-01-2015
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время
Victor_VG
Не пойму. Интересно. Сертификат выдан сразу корневым центром сертификации. Но он не самозаверенный...
 
D1D1D1D

Цитата:
изображение у меня не сохраняет, хотя ссылку на него в окно выводит

Или не добавили "--no-check-certificate" к второму wget или не заметили появления папки ppcdn.500px.org.  
В любом случае вывод все прояснит - или снова попросит "--no-check" или укажет путь к сохраненному файлу.

Всего записей: 1671 | Зарегистр. 07-08-2002 | Отправлено: 16:48 08-01-2015 | Исправлено: Alex_Piggy, 17:03 08-01-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
 
Значит я неверно понял - голова была занята проблемами с железом. DVD-RAM странно отказал - в одних ОС читает диски, в других нет. Прошивка слетела из-за отказа EEPROM, а это значит контроллер перепаивать - у CD/DVD/BD приводов прошивка в однокристалке хранится. Тут проще саму железку выкинуть - заказной чип контроллера управления устройством стоит дороже чем новый рекордер.

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

Всего записей: 23529 | Зарегистр. 31-07-2002 | Отправлено: 17:32 08-01-2015
A1eksandr1



Модератор
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Victor_VG
Цитата:
проблемами с железом. ,kf .kf ,kf ///

При всём уважении, это уже 4ое абсолютное левое сообщение от вас, которые я встречаю в разных топиках. А читаю я довольно мало топиков, особенно сейчас. Значит их тут гораздо больше посеяно на просторах руборда. Занят был знаешь ли прохождением The Talos Principle, обалденная кстати штука, открыл настоящую 3ию концовку. Правда всем интересно это, да? А проблемам с железом сочувствую, только тут как бы форум, структурированный, с тематическими топиками, а не стена плача личного блога Виктора.

Всего записей: 6084 | Зарегистр. 10-12-2007 | Отправлено: 01:25 09-01-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору

Цитата:
Или не добавили "--no-check-certificate" к второму wget или не заметили появления папки ppcdn.500px.org.

 
Точно: не догадался добавить ко второму wget "--no-check-certificate". Спасибо!

Всего записей: 706 | Зарегистр. 05-04-2010 | Отправлено: 05:52 09-01-2015
mithridat1



Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Новая версия утилиты cURL 7.40.0 с поддержкой SMB/CIFS

Всего записей: 4096 | Зарегистр. 05-01-2006 | Отправлено: 08:39 09-01-2015
data man



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору

Цитата:
cURL 7.40.0

Семь-сорок - это мгодный номер версии!

----------
Кекс. Антибиотики. Ламбада.

Всего записей: 1453 | Зарегистр. 13-10-2005 | Отправлено: 10:10 09-01-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
mithridat1
 
Вот это здорово! Как ребята дадут отмашку - подыму на демонёнке из портов. Иначе на серверах нельзя - там сбои недопустимы. И кстати OpenSSL обновили до 1.0.1k, 1.0.0p и 0.9.8zd. На http://slproweb.com/products/Win32OpenSSL.html бинарников SDK и Light сборок ещё нет, думаю скоро соберут и выложат.

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

Всего записей: 23529 | Зарегистр. 31-07-2002 | Отправлено: 13:11 09-01-2015
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