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
Orochi



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

Цитата:
у себя сливал страничку http://launcher.nirsoft.net/downloads/index.html и регэкспами вытаскивал имя, версию, дату, потом ещё и пароль.

 
Наворочено.
Если бы ссылка была зашита в index.html, то можно бы было вытащить через find /i

Всего записей: 1302 | Зарегистр. 03-02-2002 | Отправлено: 04:09 08-04-2018
Skif_off

Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Orochi
NirLauncher как таковой не использовался, он использовался лишь для обновления отобранных утилит: обновлялку запускал периодически, она проверяла дату и версию, сравнивала с локальными и только потом принималось решение об обновлении. В общем, сливать один NirLauncher и языковые файлы проще, чем сливать нужные по одной, тут ещё и автор загрузку усложнил...

Цитата:
Если бы ссылка была зашита в index.html, то можно бы было вытащить через find /i

А где ей ещё быть? Всё там, вместе с паролем:

Код:
<p>
<a href="//download.nirsoft.net/nirsoft_package_enc_1.20.35.zip"><img src="download1.png" border="0"></a>
<p>
 
This zip file is password-protected. The password for extracting the files is nirsoft9876$

Код страницы сравнительно простенький: если пользуетесь батниками, нередко sed прикручивают под подобные нужды. Ну и 7-Zip туда же.

Всего записей: 5736 | Зарегистр. 28-01-2008 | Отправлено: 05:35 08-04-2018
wadimuss

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

Цитата:
обновлялку запускал периодически, она проверяла дату и версию, сравнивала с локальными и только потом принималось решение об обновлении.  

размер zip-файла не отдает.
для необходимости скачивания использую размер этого файла. есть пару утилит для получения искомого размера без самого скачивания.
размер файла в тернете равен нашему уже скачанному файлу - качать не надо!
 
Orochi
да! ссылка зашита в index.html
поисковые или
[.]zip
можно так: (перед точкой цифра)
[0-9][.]zip
чтобы получить одну строку при парсинге так:
download.*[0-9][.]zip

Всего записей: 653 | Зарегистр. 24-11-2008 | Отправлено: 06:00 08-04-2018
Orochi



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

Цитата:
А где ей ещё быть? Всё там, вместе с паролем:  

Она там как //download.nirsoft.net/nirsoft_package_enc_1.20.35.zip, без http:
wget говорит: "-: Cannot resolve incomplete link //download.nirsoft.net/nirsoft_package_enc_1.2
0.35.zip."
 
батник такой:

Код:
 
%wget% -O- "http://launcher.nirsoft.net/downloads/index.html"|find /i "nirsoft.net/nirsoft_package_enc"|%wget% --referer=http://launcher.nirsoft.net/downloads/index.html -i- -F
 

Всего записей: 1302 | Зарегистр. 03-02-2002 | Отправлено: 06:07 08-04-2018
wadimuss

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
у меня всё шаблонизировано (оптимизации кода нет, зато такой код поймет любой юзер)
 

Код:
set "h1=http://launcher.nirsoft.net/downloads/index.html"
set "d1=download.*[0-9][.]zip"
set "w1=nirsoft_package.zip"
 
("%~dp0..\Scripts\http2cli.exe" "%h1%" 2| findstr /R /C:"%d1%") >"%~dp0down.txt"
FOR /F "usebackq tokens=2 delims=+++" %%a in ("%~dp0down.txt") do set "g1=http:%%a"
"%~dp0..\Scripts\wget.exe" -N --referer=%h1% "%g1%" -O "%~dp0%w1%.~"

 
http2cli.exe заменяет тяжелый для обработки символ " на +++
в переменной %g1% ссылка (что надо качать)
%w1% - в какой файл качать

Всего записей: 653 | Зарегистр. 24-11-2008 | Отправлено: 06:23 08-04-2018 | Исправлено: wadimuss, 06:30 08-04-2018
Orochi



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
wadimuss
Спасибо за наводку. Где можно скачать http2cli.exe?

Всего записей: 1302 | Зарегистр. 03-02-2002 | Отправлено: 22:57 08-04-2018
wadimuss

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Orochi
да простят меня гуру этого форума, маленький оффтоп
#

Всего записей: 653 | Зарегистр. 24-11-2008 | Отправлено: 23:13 08-04-2018 | Исправлено: wadimuss, 23:13 08-04-2018
VidelSamogO



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Кто-нибудь помнит, какая последняя wget под windows поддерживала обращения за доппараметрами к wget.ini?

Всего записей: 727 | Зарегистр. 16-08-2008 | Отправлено: 13:55 11-04-2018 | Исправлено: VidelSamogO, 05:24 29-04-2018
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
VidelSamogO
Текущая 1.19.4 от tumagcc вполне поддерживает

Всего записей: 8016 | Зарегистр. 11-03-2002 | Отправлено: 14:12 11-04-2018
VidelSamogO



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

Цитата:
Текущая 1.19.4 от tumagcc вполне поддерживает

Мда? Что-то я попробовал - не пошло. Хочу модифицировать под неё старенький wackget. Opensourse.

Всего записей: 727 | Зарегистр. 16-08-2008 | Отправлено: 14:17 11-04-2018 | Исправлено: VidelSamogO, 14:18 11-04-2018
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
VidelSamogO
Ну я взял wget.ini.sample из комплекта, раскомментил настройки проксей, попробовал скачать - лезет через прокси.

Всего записей: 8016 | Зарегистр. 11-03-2002 | Отправлено: 14:21 11-04-2018
VidelSamogO



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Pasha_ZZZ
А content_disposition в его ini может присутствовать? Ну или хотя бы trust_server_names. С Wackget он нормально взаимодействует? Удобно на этого шустрика из браузера ссылки перетягивать.

Всего записей: 727 | Зарегистр. 16-08-2008 | Отправлено: 14:28 11-04-2018 | Исправлено: VidelSamogO, 14:30 11-04-2018
Pasha_ZZZ



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

Цитата:
А content_disposition в его ini может присутствовать? Ну или хотя бы trust_server_names.
https://www.gnu.org/software/wget/manual/wget.html#Wgetrc-Commands
Цитата:
С Wackget он нормально взаимодействует?
А вот это не проверял... за ненадобностью

Всего записей: 8016 | Зарегистр. 11-03-2002 | Отправлено: 14:32 11-04-2018
VidelSamogO



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Существуют ли какие-либо скрипты с паттернами для закачки с сайтов с паролями на скачивание. Вроде Rsload.net.
Чтобы скрипт производил замену в url перед закачкой. Например добавлял отмеченное красным.
Код:
http://rsload.net:rsload.net@95.141.193.17/noload2/files/060/eac3to.zip
в случае, если закачка  идёт с http://95.141.193.17

Всего записей: 727 | Зарегистр. 16-08-2008 | Отправлено: 15:35 15-04-2018 | Исправлено: VidelSamogO, 05:25 29-04-2018
NvvLazyTiger



Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Привет. Столкнулся с ситуацией, которую, не то что исправить – понять не могу.
 
0. Предистория. Захотелось утаскивать комментарии к текстам «Самиздата» (СИ), для локальной обработки, а никак.
1. Посоветовали прописать user-agent. Например, как тут. Помогло.
2. Собрал некоторую статистику по заинтересовавшему меня вопросу. Стал «копать» дальше. И наткнулся.
3. Вот эта (непустая!) страничка скачивается пустой. Все поля на месте, а собственно имеющаяся там реплика, в локольной копии – отсутствует. В Опере – всё ОК.
4. Логи wGet для обоих страничек очень похожи, а результаты скачивания – разные.
 
Батник:
Код:
@echo off
for %%J in ( valera si_top10_repls ) do call :getIt %%J
goto :eof
:getIt %%J
echo %1
wGet -O- -o %1.log --debug --user-agent="Mozilla/5.0" samlib.ru/comment/n/nosow_w_w/%1 > %1.html

Лог для реплик к тексту: "siTop10...". (Ok)
Лог для реплик к тексту: "valera...". (No)
 
? Не подскажете ли – как поправить ситуацию?
Спасибо.

Всего записей: 229 | Зарегистр. 14-02-2009 | Отправлено: 10:48 17-04-2018
irsemi

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
NvvLazyTiger
А по мнению Chrome (on Android) страница не имеет комментариев.  
Даже если переходить по ссылке со страницы издания.
В FireFox то же самое.
 
Возможно, комментарий доступен только автору/зарегистрированным пользователям. Проверить - открыть ту же страницу в приватной вкладке того же браузера.
 
Кстати, не могли бы Вы проверить вот этот вопрос (в конце сообщения)
Просто самому не на чем больше проверить...

Всего записей: 88 | Зарегистр. 28-11-2016 | Отправлено: 12:25 17-04-2018 | Исправлено: irsemi, 12:27 17-04-2018
king_stiven

Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
NvvLazyTiger
Ещё куки подключить надо. Возможно поможет.

Всего записей: 2141 | Зарегистр. 17-07-2006 | Отправлено: 13:40 17-04-2018
NvvLazyTiger



Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Спасибо за идеи «где копать», irsemi.

Цитата:
А по мнению Chrome (on Android) страница не имеет комментариев.  
Даже если переходить по ссылке со страницы издания.  
В FireFox то же самое.
И правда. У меня и FF, и  IE – эту реплику не видят.
Ergo, это глюк движка СИ. Значит буду обустраивать обходной-дополнительный путь.
В частности, на странице самого текста «Валера… », сказано (среди прочего):
Цитата:
Комментарии: 1, последний от 09/04/2018.
А у меня цель – сосчитать корректно «по головам» эти реплики, а не читать их. ;)

Цитата:
Возможно, комментарий доступен только автору/зарегистрированным пользователям. Проверить - открыть ту же страницу в приватной вкладке того же браузера.
Нет, эти реплики доступны «на чтение» всем, «на запись» – только залогиненым. Но, даже если открыть полный доступ для всех, – и FF, и  IE – эту реплику не видят, как и приватная вкладка. Чистый глюк.
 

Цитата:
Кстати, не могли бы Вы проверить вот этот вопрос [?] (в конце сообщения)  
Просто самому не на чем больше проверить...
Не вопрос. 4-5 секунд. Загрузка проца – 2%. Двух процессорный пень 3GHz, 2Gb памяти, WinXP.
 
king_stiven
Цитата:
Ещё куки подключить надо. Возможно поможет.
Сразу были. В логах, которые я привёл, это видно.

Всего записей: 229 | Зарегистр. 14-02-2009 | Отправлено: 08:42 18-04-2018
Andy_Urb



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

Цитата:
wget --proxy-user=username --proxy-password=user-password --no-check-certificate -O d:/osmview/data/BY.osm.pbf http://data.gis-lab.info/osm_dump/dump/latest/BY.osm.pbf  

Логин и пароль верные - но через проксю так и не прорывается.
Комп в домене за за сквидовой проксей.
В какую сторону копать?

Всего записей: 1060 | Зарегистр. 24-09-2003 | Отправлено: 13:25 17-05-2018
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Andy_Urb
А, собственно, адрес прокси-сервера где указываете?

Всего записей: 8016 | Зарегистр. 11-03-2002 | Отправлено: 13:34 17-05-2018
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