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
Привет!
 
Интересно, а можно настроить WGET так, чтобы скачивались ссылки, которые открывает «Tor Браузер»? Например: http://btdigg63cdjmmmqj.onion/top100.html

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 09:11 16-02-2015
mithridat1



Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
Настройте сами wget на http-прокси,смотрящий в сеть TOR (Privoxy или встроенный в AdvOR) и проверьте.

Всего записей: 4154 | Зарегистр. 05-01-2006 | Отправлено: 09:30 16-02-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Посмотрел на примеры, описанные выше и вроде так это делается, но без результата —
 
wget -e "http_proxy=127.0.0.1:9150" -e "use_proxy=on" http://btdigg63cdjmmmqj.onion/top100.html
 
Что бы тут не так? Данные 127.0.0.1:9150 взяты из Браузера Tor.

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 04:41 17-02-2015
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D, 9150? А это не SOCKS, не?

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 05:23 17-02-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG
 
Точно, SOCKS. А что, сильно меняет дело?

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 06:01 17-02-2015
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D, ну, как минимум, вы указали socks-proxy в графе для http-proxy. А вообще — да, сильно, сабж, кажется, вовсе не умеет в socks (или это его собирают без поддержки socks’ов?). curl умеет, по крайней мере в Дебиане.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 06:24 17-02-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG, ясно. А в curl под Windows можно это провернуть?

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 06:28 17-02-2015
mithridat1



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

Цитата:
9150? А это не SOCKS, не?

Вообще-то,в AdvOR встроенный прокси-сервер (по умолчанию порт 9050) с автоопределением

Цитата:
Socks4, Socks5, HTTP, HTTPS (autodetected)

 
Добавлено:

Цитата:
wget -e "http_proxy=127.0.0.1:9150" -e "use_proxy=on" http://btdigg63cdjmmmqj.onion/top100.html

У меня команда работает (через прокси AdvOR)
 

Цитата:
--2015-02-17 09:40:19--  http://btdigg63cdjmmmqj.onion/top100.html
Connecting to 127.0.0.1:9050... connected.
Proxy request sent, awaiting response... 200 OK
Length: 49849 (49K) [text/html]
Saving to: 'top100.html'
 
100%[======================================>] 49а849       110KB/s   in 0,4s
 
2015-02-17 09:40:20 (110 KB/s) - 'top100.html' saved [49849/49849]

Всего записей: 4154 | Зарегистр. 05-01-2006 | Отправлено: 09:24 17-02-2015 | Исправлено: mithridat1, 09:39 17-02-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
mithridat1
 
Сразу после установки-коннекта AdvOR заработало, спасибо!

Всего записей: 744 | Зарегистр. 05-04-2010 | Отправлено: 11:33 17-02-2015
ndch

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

Цитата:
Сделал. Теперь думаю - это нужно или нет?  

 
О! Теперь пишет "WARNING: timestamping does nothing in combination with -O. See the manual for details." Бинарник который я запускал ранее так не ругается.
 
Файлу присваивается timestamp  с сервера, но файл скачивается каждый раз (хотя указан ключ -N).
 
Мне не принципиально чём скачивать, так что сейчас использую curl.

Всего записей: 4793 | Зарегистр. 31-08-2008 | Отправлено: 13:26 17-02-2015
prestigo

Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
вопросик такой
 
нужно скачать из сайта только все файлы (на которые есть внутренние ссылки соотв.) из каталога имя-сайта.com/uploads/posts/
т.е. получить результат, как будто бы если бы сайт выкачался полность, а после этого все файлы, что не лежат в этом каталоге - просто удалили
( в идеале еще хотелось бы при этом не загружать все файлы из имя-сайта.com/uploads/posts/любое_имя_каталога/thumbs/ )
 
как можно сие передать параметрами для закачки?
 
ну и, так понимаю, что сабж по-прежнему не может брать только файлы, начиная с какой-то даты создания?..

Всего записей: 314 | Зарегистр. 03-09-2006 | Отправлено: 14:17 19-02-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
prestigo
 
А что, возможность задать относительный линк имя-сайта.com/uploads/posts/ упустили из виду?
 
Команда wget -nH --exclude-directories=thumbs --retry-connrefused -c  имя-сайта.com/uploads/posts/ будет работать в wget начиная с GNU Wget 1.12.1-devel . Далее пробуйте. Если нужна справка по ключам введите команду:
 
для Win: wget --help > wget.txt&&wget.txt
для UNIX: wget --help|ee


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

Всего записей: 24894 | Зарегистр. 31-07-2002 | Отправлено: 04:00 22-02-2015
prestigo

Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору

Цитата:
Команда wget -nH --exclude-directories=thumbs --retry-connrefused -c  имя-сайта.com/uploads/posts/ будет работать в wget начиная с GNU Wget 1.12.1-devel .

 
спасибо но не работает так
дело в том что каталог имя-сайта.com/uploads/posts/ сам по себе недоступен - т.е. чтобы "взять" файлы из него, нужно плясать по всем ссылкам-файлам, начиная от корня сайта, НО - при этом сохранять только файлы, которые физически будут храниться в имя-сайта.com/uploads/posts/
(физически это - каталог с картинками галереи вордпресса, на самом деле)
 

Всего записей: 314 | Зарегистр. 03-09-2006 | Отправлено: 14:15 24-02-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
prestigo
 
Линк поправьте по месту. Я дал вам пример.

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

Всего записей: 24894 | Зарегистр. 31-07-2002 | Отправлено: 15:54 24-02-2015
SurferNet



Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Подскажите не разбирающемуся в скриптинге и написании батников, как реализовать следующее:
Есть локальный стрим, в виде http://10.10.10.10:8080/SampleStream
Качается любой http-качалкой.
Нужен какой-то батник, который будет проверять(допустим, с периодичностью 1 минута), есть ли там стрим, то начинать закачку. Соответственно если закачка идёт, то попытки прекратить на это время. Файл называть как-нибудь уникально, например с датой создания, дабы избежать перезаписи.

Всего записей: 148 | Зарегистр. 14-09-2005 | Отправлено: 13:04 02-03-2015
Sish



Platinum Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Друзья!
 
Стоит простая задача: есть локальная папка на компе (D:\update), есть папка с таким же названием на ftp-сервере.
 
Помогите, пожалуйста, с батником синхронизации папки на ftp с локальной папкой, т.е. качаем с ftp и приводим локальную папку к такому же содержанию, как на ftp.
 
Заранее спасибо!

Всего записей: 25201 | Зарегистр. 09-06-2004 | Отправлено: 10:27 20-03-2015
aftertime



Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Sish
wet-ом обязательно? если нет, то вот пример

Всего записей: 958 | Зарегистр. 26-11-2006 | Отправлено: 10:42 20-03-2015 | Исправлено: aftertime, 10:43 20-03-2015
mithridat1



Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Sish
--recursive скачивать весь веб-сайт.
--no-parent не переходить по ссылкам вне родительского каталога
--no-clobber не заменять какие-либо существующие файлы  
--timestamping контроль времени модификации файла

Всего записей: 4154 | Зарегистр. 05-01-2006 | Отправлено: 10:43 20-03-2015 | Исправлено: mithridat1, 10:43 20-03-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Sish
 
Что-то типа такого @echo off&del /s/f/q d:\update\*>nul&wget --retr-symlinks -x -c -r -np <URL>
 
почистит содержимое целевого каталога и скачает удалённый.

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

Всего записей: 24894 | Зарегистр. 31-07-2002 | Отправлено: 10:49 20-03-2015 | Исправлено: Victor_VG, 10:51 20-03-2015
mleo

Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Страно что в Поиске не находится тема.
 
 
 
Добавлено:
D1D1D1D
 
Можно использовать сокс TBB:
 
# torsocks wget -nc http:
 
 
> У меня команда работает (через прокси AdvOR)
 
Потому что AdvOR поддерживает http

Всего записей: 4399 | Зарегистр. 19-05-2004 | Отправлено: 21:27 22-03-2015
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153

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