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
pro1ix

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору

Цитата:
Самое простое - админу бутылку поставить. Обойти запрет-то можно, но у вас есть желание возится со сменой IP/логина/переподключениями? И это при условии что админу некогда некоторые аппаратные мелочи проверять.  

желание есть. мне бы только знать что делать. думаю с админами не смогу договориться. и надо 2 сайта скачать.

Всего записей: 3 | Зарегистр. 03-06-2016 | Отправлено: 06:58 15-06-2016
VictorVG4



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
pro1ix
 
Тогда анонимайзер. Или жидкая валюта. Иначе никак.

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

Всего записей: 1248 | Зарегистр. 26-03-2016 | Отправлено: 07:30 15-06-2016
llon

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Wget 1.18 + cURL 7.49.1:
http://opensourcepack.blogspot.com/p/wget-and-curl.html
https://sourceforge.net/projects/tumagcc/files/wget-1.18_curl-7.49.1_win32_win64.7z/download
 
С локалью полный порядок

Всего записей: 10 | Зарегистр. 04-10-2012 | Отправлено: 09:05 16-06-2016
VictorVG4



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
llon
 
Спасибо! Эксперимент с wget --help > wget_help.txt подтверждает моё предположение о том, что в сборке с https://eternallybored.org/misc/wget/ просто отключена поддержка локалей, да она в принципе и не нужна если wget используется из скрипта или как модуль, но потенциально это может привести с проблемами с локализованными URL что нужно специально проверять, а мне сейчас это делать некогда.

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

Всего записей: 1248 | Зарегистр. 26-03-2016 | Отправлено: 14:24 16-06-2016
vcrank

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Помогите пожалуйста разобраться, почему на 2х в целом идентичных сайтах одна команда работает на сайте DNS и не работает на сайте Technopoint
Работает

Цитата:
wget\wget -t1 -nd -N -np -erobots=off -P ..\!TMP\dns\ http://www.dns-shop.ru/files/price/price-chelyabinsk.zip

 
Не работает:

Цитата:
wget\wget -t1 -nd -N -np -erobots=off -P ..\!TMP\technopoint\ http://technopoint.ru/files/price/price-chelyabinsk.zip


Цитата:
Распознаётся technopoint.ru (technopoint.ru)... 178.248.235.131
Подключение к technopoint.ru (technopoint.ru)|178.248.235.131|:80... соединение установлено.
HTTP-запрос отправлен. Ожидание ответа... 404 Not Found
2016-06-16 21:23:32 ОШИБКА 404: Not Found.

 
хотя в браузере именно по этой ссылке прайс качается нормально

Всего записей: 863 | Зарегистр. 24-10-2005 | Отправлено: 19:28 16-06-2016
VictorVG4



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
vcrank
 
Могут рефрер проверять, или ссылка идёт через симлинк. Вот список ключей для версии 1.18. Получен под пытками при допросе.

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

Всего записей: 1248 | Зарегистр. 26-03-2016 | Отправлено: 19:34 16-06-2016
vcrank

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
VictorVG4
Действительно, это был всего лишь реферер. Благодарю

Всего записей: 863 | Зарегистр. 24-10-2005 | Отправлено: 21:19 16-06-2016
VictorVG4



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
vcrank
 
Обычная практика. Ладно, пойду смотреть что могло в Process Hacker на Win10 сломаться - пишут

Цитата:
KLASS
 
VictorVG4
Караул! На 10 не работает, сразу вылетает... еще без моего участия

а там один баг устраняли и может где опечатка? На семёрке v3.0.0.139 работает, значит надо сорцы смотреть и думать где причина сидит?

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

Всего записей: 1248 | Зарегистр. 26-03-2016 | Отправлено: 22:11 16-06-2016
diastop

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Простая задача:
Необходимо скачать страницу из интернета и сохранить ее в текстовом виде в определенном каталоге на компьютере.
 
Например, страницу http://forum.ru-board.com/ сохранить в файл C:\Test\ru-board.txt
 
При использовании параметра -P я могу указать необходимый мне каталог, в который будет сохранен файл страницы, однако не могу указать имя (то есть ru-board.txt).
 
При использовании параметра -O получается указать имя файла, но адрес каталога, куда скачивается этот файл указать возможности нет.
 
Может что то делаю неправильно.  
 
Подскажите пжл код для осуществления вышеуказанного примера.
 
ПС: Wget 1.11.4, Win-7 64

Всего записей: 4 | Зарегистр. 19-06-2016 | Отправлено: 14:02 24-07-2016
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
diastop> При использовании параметра -O получается указать имя файла, но адрес каталога, куда скачивается этот файл указать возможности нет.
 
В каком смысле «нет»?  Ключ -O — это полный аналог перенаправления вывода для случая, если бы он шел на стандартный вывод (как в curl’е).  Не больше.  Так что есть она, разумеется.

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 17:34 24-07-2016
VictorVG4



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
diastop
 
Wget не имеет встроенных средств конвертации HTML -> TXT, но вы можете использовать механизм конвейера команд для вызова внешнего конвертера, например так:
 
wget <ключи> <url> --output-document=<output_file_patch>&&xdoc2txt -8 -f <out_patch|filename.txt>
 
Но, должен сразу предупредить что консольный конвертер xdoc2txt не самым лучшим образом дружит с кириллицей, хотя для текстового просмотра многих DOC/PDF/XLS/... файлов вполне подходит.

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

Всего записей: 1248 | Зарегистр. 26-03-2016 | Отправлено: 17:48 25-07-2016
mithridat1



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

Цитата:
Wget не имеет встроенных средств конвертации HTML -> TXT, но вы можете использовать механизм конвейера команд для вызова внешнего конвертера

Насколько я помню с этим могут справиться и текстовые браузеры links/lynx (есть win32-порты)
 
lynx --dump site.com > file.txt
links -dump site.com > file.txt
 
Надо только отфильтровать вывод от референтных ссылок.

Всего записей: 4148 | Зарегистр. 05-01-2006 | Отправлено: 18:50 25-07-2016 | Исправлено: mithridat1, 18:50 25-07-2016
VictorVG4



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
mithridat1
 
Да и не только они, но т.к. вопрос поставлен:

Цитата:
Простая задача:
Необходимо скачать страницу из интернета и сохранить ее в текстовом виде в определенном каталоге на компьютере.  

то в случае использования только встроенных средств Wget в полном объёме мы его не решим и должны подключать внешние средства - конвертеры, фильтры, e.t.c. . И в данном примере xdoc2txt просто один из вариантов. Можно использовать например awk/sed для фильтрации HTML/XML тэгов, но по моему xdoc2txt при всех его недостатках проще.

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

Всего записей: 1248 | Зарегистр. 26-03-2016 | Отправлено: 20:04 25-07-2016
kollajjik

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
друзья, поскажите пожалуйста какие данные и в каком порядке нужно ввести чтобы имитировать мой браузер Firefox ??
 
ЕСЛИ:
 
путь к нему: c:\totalcmd\programs\Firefox\FirefoxPortable.exe
 
версия: 49.0.1
 
Система:
 
         
 
Был бы очень благодарен за помощь !!
 
 

Всего записей: 68 | Зарегистр. 13-06-2011 | Отправлено: 19:29 26-09-2016 | Исправлено: kollajjik, 19:37 26-09-2016
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
kollajjik
Зайти на http://user-agent.me/
Вторую строку подставить в ключ -U в кавычках, например:
Цитата:
-U"Mozilla/5.0 (Windows NT 10.0; rv:49.0) Gecko/20100101 Firefox/49.0"

Всего записей: 8482 | Зарегистр. 11-03-2002 | Отправлено: 20:00 26-09-2016
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Pasha_ZZZ
 
В Gecko-приложениях можно просто набрать в адресе about и скопировать строку User agent: мышкой.

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

Всего записей: 24683 | Зарегистр. 31-07-2002 | Отправлено: 20:51 26-09-2016
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Victor_VG
Ну это ж общий случай, для всех браузеров. Просто для вырефокса - в частности

Всего записей: 8482 | Зарегистр. 11-03-2002 | Отправлено: 20:57 26-09-2016
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Для QTWeb v3.85 строка выглядит так: Mozilla/5.0 (Windows; U; Windows NT based; ru-RU) AppleWebKit/534.34 (KHTML, like Gecko) QtWeb Internet Browser/3.8.5 http://www.QtWeb.net . Екзотика.
 
Добавлено:
Pasha_ZZZ
 
Симанка, лис, всё гекко-базирующееся - этот фокус заложен в код гекко, а так - беги спрашивать. Факт. Просто у него задачка с гекко, а значит проще некуда.

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

Всего записей: 24683 | Зарегистр. 31-07-2002 | Отправлено: 20:59 26-09-2016
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Victor_VG
В общем и целом, по фаерфоксу.
Надо набирать не about, а about:
И копировать строчку Идентификатор сборки:
 
Так что не все так уж и прозрачно.

Всего записей: 8482 | Зарегистр. 11-03-2002 | Отправлено: 21:19 26-09-2016
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Pasha_ZZZ
 
Ну, я с ним сто лет не работал. У меня симанка, а до неё из гекко нетскапе и мозилла сюит стояли. Правда где-то коли не выкинул CD и NCSA Mozaic валялся, но....
 
Добавлено:
Кстати, вышли сборки Win32/Win64 OpenSSL 1.0.2j и 1.1.0b, но записи деинсталлятора если ставить обе, как рекомендуют разработчики OpenSSL (API у 1.1.x не совместим со старыми версиями) перекроют друг друга и их надо ставить только в кастом режиме с выбором разных каталогов для бинарников!

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

Всего записей: 24683 | Зарегистр. 31-07-2002 | Отправлено: 21:31 26-09-2016
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