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: 1528 | Зарегистр. 17-06-2003 | Отправлено: 13:39 08-11-2003 | Исправлено: juvaforza, 17:27 01-09-2019
Pasha_ZZZ



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

Цитата:
Сборки от TumaGonx Zakkum:
GNU Wget 1.19 built on mingw32.
+cares +digest +gpgme +https +ipv6 +iri +large-file +metalink +nls +ntlm +opie +psl +ssl/openssl  
Она же, но свежее:
GNU Wget 1.19.1 built on mingw32.
 
+cares +digest -gpgme +https +ipv6 +iri +large-file +metalink +nls +ntlm +opie +psl +ssl/openssl

Всего записей: 8299 | Зарегистр. 11-03-2002 | Отправлено: 23:01 26-02-2017
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Pasha_ZZZ
 
И эту опрашивал - она первая в нижней группе. У меня есть обе сборки версии 1.19.х от TumaGonx Zakkum - 1.19 от 07.02.2016 и 1.19.1 (?) от 14.02.2017 и он сам пишет на странице Wget and cURL:

Цитата:
GNU Wget 1.19
+cares +digest +gpgme +https +ipv6 +iri +large-file +metalink +nls +ntlm +opie +psl +ssl/openssl
 
curl 7.52.1 (i686-pc-mingw32) libcurl/7.52.1 OpenSSL/1.0.2k zlib/1.2.8 c-ares/1.11.0 libidn2/0.16 libpsl/0.17.0 (+libidn2/0.16) libssh2/1.8.0 nghttp2/1.19.0 librtmp/2.3
Protocols: dict file ftp ftps gopher http https imap imaps ldap ldaps pop3 pop3s rtmp rtsp scp sftp smtp smtps telnet tftp
Features: AsynchDNS IDN IPv6 Largefile SSPI Kerberos SPNEGO NTLM SSL libz TLS-SRP HTTP2 HTTPS-proxy Metalink PSL
 
wget-1.19.1_curl-7.52.1_win32_win64.7z 3.25 MB OpenSSL 1.0.2k

так что это подтверждает моё предположение о случайном совпадении маркировки официальной версии 1.19.1 и исправленного с учётом выявленных ошибок варианта версии 1.19.
 
Добавлено:
Ох, судя по анонсу curl 7.53.1, Released on the 24th of February 2017 ждём продолжению банкета. Может как раз Тума и соберёт полноценную 1.19.1???

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

Всего записей: 24189 | Зарегистр. 31-07-2002 | Отправлено: 00:40 27-02-2017
Kovu



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

Цитата:
Может как раз Тума и соберёт полноценную 1.19.1???

Они бы сперва избавились от:

Код:
 
Faulting application name: wget.exe, version: 0.0.0.0, time stamp: 0x003cc610
Faulting module name: ntdll.dll, version: 10.0.15042.0, time stamp: 0xa7501fd7
Exception code: 0xc0000374
Fault offset: 0x00000000000f6f0f
Faulting process id: 0x200
Faulting application start time: 0x01d292388833e795
Faulting application path: C:\Program Files\wget\wget.exe
Faulting module path: C:\WINDOWS\SYSTEM32\ntdll.dll
 

В 1.18 ничего подобного не наблюдалось.

Всего записей: 416 | Зарегистр. 23-07-2001 | Отправлено: 06:10 01-03-2017
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Kovu
 
Я у себя такого не наблюдаю, хотя у меня 1.19 от Тумы, но на глюке №10 не только вгет имеет право сбоить. Тут стоит поначалу мелкософт добротно отпинать, а апосля другим людям вопросы задавать. Больно много нареканий к десятке, и все по линии глюков данной ОС, её излишнего любопытства и искусственно-рекламной "...несовместимости, врождённой глючности, дороговизны использования СПО, моральной устарелости, ..." любых программ не подписанных знаменитым "Реквизировано в пользу дяди Сэма".

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

Всего записей: 24189 | Зарегистр. 31-07-2002 | Отправлено: 06:59 01-03-2017
Real Yoti



Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Всем привет!
Есть японский сайт, который содержит файлы и папки. Кодировка его - SHIFT-JIS, хотя браузеры автоопределением показывают ерунду. Например, если в коде страницы видно "%83E%83T%83M", то на странице отображается "fEf" (вместо обычной латинской f должен быть символ флорина, но форум не справляется). Аналогично скачиваются и файлы, с хаотичным набором символов в названии. А некоторые символы распознаются вообще как бэкслэш, видимо, т.к. имя файла может быть разбито на папку и файл в ней (напр., примертекста -> приме\текста). Настоящую кодировку подобрал вручную перебором в IE.
Пробовал воспользоваться wget из пакета gnuwin32 и httrack. Выкачать сайт с именами в верной кодировке не выходит никак. К примеру, wget жалуется на

Цитата:
wget: unrecognised option `--local-encoding=UTF-8'

Подскажите версию или программу, что мне поможет с моей задачей. Предпочтительно Win 7+.

Всего записей: 56 | Зарегистр. 04-05-2009 | Отправлено: 12:33 01-03-2017 | Исправлено: Real Yoti, 12:40 01-03-2017
skipik



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

Цитата:
Они бы сперва избавились от


Цитата:
В 1.18 ничего подобного не наблюдалось

Тут скорее ОС виновата, ибо у вас Insider Preview, а на ней могут быть сбои.

Всего записей: 3008 | Зарегистр. 07-07-2006 | Отправлено: 13:30 01-03-2017
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Real Yoti
 
Возьмите версию 1.19 от Тумы - в ней есть нужная поддержка, до версии 1.19 в Wget поддержки национальных доменов не было, а у вас IRI тип ссылок.

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

Всего записей: 24189 | Зарегистр. 31-07-2002 | Отправлено: 16:16 01-03-2017
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG> до версии 1.19 в Wget поддержки национальных доменов не было, а у вас IRI тип ссылок
 
Не усматриваю.
 
Real Yoti> Есть японский сайт...
 
Недоступный из Сети?

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 21:00 01-03-2017
Real Yoti



Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG
спасибо, уже лучше, но всё равно не идеально. Поэксперементирую и отпишусь.
 
ASE_DAG
пока доступный. Часть файлов уже пропала, с тех пор как я заморочился зеркалом.

Всего записей: 56 | Зарегистр. 04-05-2009 | Отправлено: 21:30 01-03-2017
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Real Yoti> пока доступный
 
Странно.  А я на него что-то попасть и проверить не могу.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 22:36 01-03-2017
Real Yoti



Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG
отписался в личку со всеми подробностями.

Всего записей: 56 | Зарегистр. 04-05-2009 | Отправлено: 23:44 01-03-2017
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Real Yoti
 
> Не хочу генерировать трафик на сайт, пока не отзеркалю его.  
 
Хорошо, как скопируете — скажете.
 
> Перебрал уже много комбинаций ключей, но так и не получается скачать файл с иероглифами в имени.
> wget -k -m -np --restrict-file-names=windows --local-encoding="UTF-8" --remote-encoding="SHIFT-JIS" ...
> wget -k -m -np --restrict-file-names=windows,nocontrol --local-encoding="UTF-8" --remote-encoding="SHIFT-JIS" ...
> wget -k -m -np --local-encoding="UTF-8" --remote-encoding="SHIFT-JIS" ...
> wget -k -m -np --restrict-file-names=windows --local-encoding="UTF-8" ...
> wget -k -m -np --restrict-file-names=windows,nocontrol --local-encoding="UTF-8" ...
> wget -k -m -np --restrict-file-names=windows --remote-encoding="SHIFT-JIS" ...
> wget -k -m -np --restrict-file-names=windows,nocontrol --remote-encoding="SHIFT-JIS" ...
 
Столько времени на пробы потратили, а ЧаВО в шапке не прочитали!  А там ведь, кажется, понятно написано:

Цитата:
 
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 ... с ключом --local-filesystem-encoding=ENCODING...
 

Ну и в вашем случае действительно еще и --remote-encoding=SHIFT-JIS, ибо сервер указания на кодировку просто не отдает.
 
Итого:
 
$ wget -k -m -np --restrict-file-names=nocontrol,windows --remote-encoding=SHIFT-JIS --local-encoding=UTF-8 ...


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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 00:10 02-03-2017
Real Yoti



Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG
спасибо! Итоговая строчка совпадает с моей второй за исключением порядка аргументов и наличия/отсутствия кавычек. С таким набором я получаю три символа, один из которых не виден, в имени файла (архива) вместо иероглифа. При этом при ручном переименовании я могу туда внести этот треклятый иероглиф и он будет отлично отображаться. На самом деле, меня бы устроил даже вариант с %хх в имени, но я не могу добиться и его. Либо "мусор", либо файл не загружается (ругается в консоли на недопустимую последовательность). Использую Win 8.1 Pro x64, диск в NTFS/MBR.
Отчего-то закрадываются мысли, что без смены ОС или пересборки wget моя задача недостижима.

Всего записей: 56 | Зарегистр. 04-05-2009 | Отправлено: 10:47 02-03-2017
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Real Yoti
 
А взять сам УРЛ в кавычки? НЕ забыли? Его в такой ситуации придётся взять в кавычки чтобы воспринялся как единое целое.

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

Всего записей: 24189 | Зарегистр. 31-07-2002 | Отправлено: 15:52 02-03-2017
Real Yoti



Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG
URL указывает на папку (раздел), то есть это не прямой линк на файл, т.к. задача в зеркалировании. Просто имя файла в виде иероглифа, который кодируется тремя байтами, сохраняется на жёстком диске как три отдельных байта, хотя при ручном переименовании можно сделать одним иероглифом - то есть это не ограничение файловой системы.

Всего записей: 56 | Зарегистр. 04-05-2009 | Отправлено: 17:40 02-03-2017
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Real Yoti
Цитата:
меня бы устроил даже вариант с %хх в имени
--restrict-file-names=ascii,windows

Всего записей: 8299 | Зарегистр. 11-03-2002 | Отправлено: 19:57 02-03-2017
Real Yoti



Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Pasha_ZZZ
спасибо, пожалуй на этом я и остановлюсь.
Вариант 1, сохраняет иероглиф как три символа %xx:

Цитата:
wget -k -m -np --restrict-file-names=windows,ascii --local-encoding="UTF-8" --remote-encoding="SHIFT-JIS" http://example.jp/folder2/

Вариант 2, сохраняет иероглиф как два символа %xx:

Цитата:
wget -k -m -np --restrict-file-names=windows,ascii --local-encoding="UTF-8" http://example.jp/folder2/

Буду зеркалить по варианту один, согласно советам выше.

Всего записей: 56 | Зарегистр. 04-05-2009 | Отправлено: 23:58 02-03-2017 | Исправлено: Real Yoti, 23:59 02-03-2017
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Real Yoti> С таким набором я получаю три символа, один из которых не виден, в имени файла (архива) вместо иероглифа
 
Поскольку во-первых УМВР, а во-вторых опять какие-то словесные описания вместо фактов, то мне сложно что-то подсказать.  Разве что, могу предположить, что вы ошиблись с определением локальной кодировки.  Почему вы решили, что это UTF-8?  В Винде обычно используются всякая кунсткамера.
 
> Отчего-то закрадываются мысли, что без смены ОС...
 
Да я бы тоже на вашем месте — окажись у меня под рукой только машинка с Виндой — не мучался, а либо загрузился в ГНУ, либо хотя бы поставил Цигвин — смотря что было бы административно проще.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 03:20 03-03-2017 | Исправлено: ASE_DAG, 03:22 03-03-2017
Real Yoti



Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG
кодировка ФС выбрана согласно примерам и по наитию. ЕМНИП, начиная с Висты система работает с Юникодом. Выхлоп кодировки командной строки не репрезентативен, там ожидаемые 866. В целом, вариант с сохранением имени в виде %хх меня более чем устраивает. Когда техника будет свободна на больший срок (там зеркалировать 40+ Гб на достаточно низкой скорости отдачи), проверю и прочие варианты. По факту завершения отпишусь.

Всего записей: 56 | Зарегистр. 04-05-2009 | Отправлено: 10:58 03-03-2017
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
ASE_DAG
Real Yoti
Да зачем хранить эти иероглифы в ФС? Чтобы каждый раз при переносе/распаковке думать, не побьется ли, какая у местной ФС кодировка и т.д. =ascii,windows можно сказать самый переносимый вариант.

Всего записей: 8299 | Зарегистр. 11-03-2002 | Отправлено: 11:35 03-03-2017
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