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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160

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
Galiley

BANNED
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Качаю батником файл:

Код:
wget.exe -P %~dp0 --no-check-certificate _https://download....  .txt

В папке с wget создается файл ".wget-hsts". Его можно запретить создавать с помощью параметра? Найти не могу в справках.

Всего записей: 95 | Зарегистр. 02-01-2020 | Отправлено: 06:07 14-01-2020
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Galiley
--no-hsts

Всего записей: 9428 | Зарегистр. 11-03-2002 | Отправлено: 08:18 14-01-2020
Vasily_Koshkin



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Кто-нибудь логинился на Гугле с помощью сабжа?  
Есть вот такое видео (41 сек.) - https://www.youtube.com/watch?v=hlDhp-eNLMU Насколько я понял, суть в том, чтобы успеть в самый момент авторизации "Please wait a moment". Сделать это вручную, в том числе с помощью браузерных расширений упомянутых в шапке, нереально. Можно ли как-то приспособить для этого WGet? Команда вроде:

Код:
wget --save-cookies cookies.txt --keep-session-cookies --no-check-certificate "https://accounts.google.com/ServiceLogin?passive=1209600" --user <my_username> --password <my_password>
 
работать не хочет. Я конечно подозревал, что не всё так просто, но хотелось бы найти решение. Посоветуете что-нибудь? Спасибо.

Всего записей: 1132 | Зарегистр. 07-02-2004 | Отправлено: 14:44 28-01-2020 | Исправлено: Vasily_Koshkin, 14:44 28-01-2020
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, Vasily_Koshkin

Цитата:
Кто-нибудь логинился на Гугле с помощью сабжа?

Зачем?
Я логинился на связке Wget + jq для доступа к GDrive. Но по всем правилам - зарегистрировав тестовое приложение, определив для него разрешения и получив ClientID и ClientSecret для Oath2 Google API. Нужно - поищу.

Всего записей: 1797 | Зарегистр. 07-08-2002 | Отправлено: 16:33 28-01-2020
Vasily_Koshkin



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

Цитата:
Зачем?

Хочу подключить плагин Hangouts к мессенджеру Pidgin.  
Судя по FAQ у них на сайте, необходима эта самая OAuth2 кука. Ссылка на видео выше взята оттуда же. Поэтому, если подозреваете с моей стороны криминал, то напрасно.

Цитата:
Я логинился на связке Wget + jq для доступа к GDrive.

Для GDrive - да, я находил готовое решение на базе wget + sed, но там, если я правильно понял, всё намного проще, т.к. не нужна авторизация.  

Всего записей: 1132 | Зарегистр. 07-02-2004 | Отправлено: 18:11 28-01-2020 | Исправлено: Vasily_Koshkin, 18:21 28-01-2020
data man



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

Цитата:
Посоветуете что-нибудь?

Использовать curl.

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

Всего записей: 1608 | Зарегистр. 13-10-2005 | Отправлено: 18:20 28-01-2020
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Vasily_Koshkin
https://bitbucket.org/EionRobb/purple-hangouts/downloads/

Всего записей: 9428 | Зарегистр. 11-03-2002 | Отправлено: 18:23 28-01-2020
Vasily_Koshkin



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Pasha_ZZZ
Что Вы этим хотели сказать?
Именно для того, чтобы авторизоваться через этот плагин и нужна кука OAuth2 старого нового образца, которую неизвестно где и как получить.

Всего записей: 1132 | Зарегистр. 07-02-2004 | Отправлено: 22:03 28-01-2020 | Исправлено: Vasily_Koshkin, 00:32 29-01-2020
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Vasily_Koshkin
Цитата:
Что Вы этим хотели сказать?
То, что если удалить libxmpp (или переименовать) - то при добавлении плагин запросит куку и покажет видос, как ее получить. И никакая она не старая, а OAuth2

Всего записей: 9428 | Зарегистр. 11-03-2002 | Отправлено: 22:22 28-01-2020
Vasily_Koshkin



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

Цитата:
при добавлении плагин запросит куку и покажет видос, как ее получить.

Если Вы внимательно читали мои первоначальные сообщения, то могли заметить, что я сразу же дал прямую ссылку на это видео (оно же упоминается в FAQ). Проблема в том, что я не успеваю вытащить куку вручную, поэтому хочу поручить это "искусственному интелекту" в виде wget, curl и т.д.  

Цитата:
И никакая она не старая, а OAuth2  

Спасибо за уточнение, исправил.
 

Всего записей: 1132 | Зарегистр. 07-02-2004 | Отправлено: 00:31 29-01-2020 | Исправлено: Vasily_Koshkin, 00:38 29-01-2020
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, Vasily_Koshkin

Цитата:
Поэтому, если подозреваете с моей стороны криминал, то напрасно.

Нет, просто Ваши слова можно понять по-разному.
Я при работе с GDrive получал тот же самую OAuth2 так же через браузер. И затем менял через refresh_token. Странно, что они ее получают ТАК.
Маловероятно, что получится при помощи Wget, Curl. Открывайте панель разработчика перед вводом e-mail и найдите+включите опцию "Preserve log" для Chrome или "Enable persistent log"/"Включить непрерывные логи" FireFox (в настройках Инструментов разработчиков).
Если у Вас стоит второй питон - то посмотрите в сторону https://gist.github.com/cdellin/6b9bae1310f2ee6b47ba3663bdcb1ded

Всего записей: 1797 | Зарегистр. 07-08-2002 | Отправлено: 02:49 29-01-2020
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Vasily_Koshkin
Цитата:
что я не успеваю вытащить
Как можно не успеть то, что приколочено гвоздями? Галочка Preserve log какбэ намекает...

Всего записей: 9428 | Зарегистр. 11-03-2002 | Отправлено: 07:31 29-01-2020
Vasily_Koshkin



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

Цитата:
Как можно не успеть то, что приколочено гвоздями? Галочка Preserve log какбэ намекает...

Благодарю за подсказку, оказывается, я просто искал эту куку не в том месте. Однако, вопрос автоматизации данного процесса остается открытым. Мне конечно уже не один раз намекали, что ни wget, ни curl здесь не помогут... но вдруг кому-то всё-таки удастся найти красивое решение?

Всего записей: 1132 | Зарегистр. 07-02-2004 | Отправлено: 16:10 29-01-2020 | Исправлено: Vasily_Koshkin, 16:11 29-01-2020
vcrank

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Доброго времени. Подскажите, как с помощью wget скачать страницу для печати с этого форума из раздела варезник.
Я как-то задавал схожий вопрос, мне подсказали в этой ветке.
Пытаюсь сделать по аналогии и не получается
 
wget\wget --post-data="action=dologin&inmembername=ИМЯ&inpassword=ПАРОЛЬ&ref=&submit=Вход" --save-cookies=ruboard-cookies.txt --keep-session-cookies  "http://forum.ru-board.com/misc.cgi?action=login" --no-check-certificate -t1 -nd -N -np -erobots=off "http://forum.ru-board.com/misc.cgi?action=printtopic&forum=35&topic=82097"
 
В логах ошибка

Цитата:
--2020-02-01 11:53:20--  http://forum.ru-board.com/misc.cgi?action=login
Распознаётся forum.ru-board.com (forum.ru-board.com)… 94.156.128.52
Подключение к forum.ru-board.com (forum.ru-board.com)|94.156.128.52|:80... соединение установлено.
HTTP-запрос отправлен. Ожидание ответа… 403 Forbidden
2020-02-01 11:53:21 ОШИБКА 403: Forbidden.
 
--2020-02-01 11:53:21--  http://forum.ru-board.com/misc.cgi?action=printtopic&forum=35&topic=82097
Подключение к forum.ru-board.com (forum.ru-board.com)|94.156.128.52|:80... соединение установлено.
HTTP-запрос отправлен. Ожидание ответа… 403 Forbidden
2020-02-01 11:53:21 ОШИБКА 403: Forbidden.

 
 
Попробовал добавить в параметры строку  

Цитата:
-U "Mozilla/5.0 (Windows; U; Windows NT 6.0; en-US; rv:1.9.1.5) Gecko/20091102 Firefox/3.5.5"

 
Пошёл какой-то прогресс.
Создались 2 файла:
misc.cgi@action=login.html
misc.cgi@action=printtopic&forum=35&topic=82097.html
по 5,5кб
Но страница не скачалась
 
Пожет с параметров ref что-то не так или всё гораздо проще
 
Лог

Всего записей: 932 | Зарегистр. 24-10-2005 | Отправлено: 10:08 01-02-2020 | Исправлено: vcrank, 10:18 01-02-2020
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
vcrank
Сначала залогиньтесь с сохранением куки, а потом уже с этой кукой скачивайте по прямому урлу

Всего записей: 9428 | Зарегистр. 11-03-2002 | Отправлено: 10:35 01-02-2020
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, vcrank
Разбейте на два запроса:  

Код:
wget\wget -U Opera --post-data="action=dologin&inmembername=ИМЯ&inpassword=ПАРОЛЬ&ref=&submit=Вход" --save-cookies=ruboard-cookies.txt --keep-session-cookies  "http://forum.ru-board.com/misc.cgi?action=login"  
wget\wget -U Opera --load-cookies=ruboard-cookies.txt --keep-session-cookies --no-check-certificate -t1 -nd -N -np -erobots=off "http://forum.ru-board.com/misc.cgi?action=printtopic&forum=35&topic=82097"

Вы одновременно передаете и "action=dologin" в POST-части запроса и  "action=printtopic" в GET-части запроса. "ref=" - необязательно, работает и без него. "-U Opera" достаточно.

Всего записей: 1797 | Зарегистр. 07-08-2002 | Отправлено: 10:52 01-02-2020
vcrank

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Pasha_ZZZ
Не понял
Вроде же вот эти параметры для сохранения и использования кук  

Цитата:
--save-cookies=ruboard-cookies.txt --keep-session-cookies

 
Добавлено:
Alex_Piggy
Огромное спасибо. В очередной раз спасли.
Сейчас ещё одна мысля пришла... опосля так сказать. Вроде с помощью утилиты jq16 (или средствами самого wget??) можно из этого файла выдернуть все ссылки, которые начинаются с "2bay.org/"
Если это не так, то напишу свою утилиту

Всего записей: 932 | Зарегистр. 24-10-2005 | Отправлено: 10:55 01-02-2020 | Исправлено: vcrank, 10:55 01-02-2020
Alex_Piggy

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

Цитата:
Сначала залогиньтесь с сохранением куки, а потом уже с этой кукой скачивайте по прямому урлу

Цитата:
Вроде же вот эти параметры для сохранения и использования кук  

У меня немногим более развернутый ответ. Одно действие - залогиниться и сохранить куку, второе - прочитать куку и скачать страницу.

Цитата:
Сейчас ещё одна мысля пришла... опосля так сказать. Вроде с помощью утилиты jq16 (или средствами самого wget??) можно из этого файла выдернуть все ссылки, которые начинаются с "2bay.org/"

jq16 - однозачно нет. Скорее xidel. Впрочем и сам wget справляется.

Код:
wget\wget -U Opera --load-cookies=ruboard-cookies.txt --keep-session-cookies --no-check-certificate -t1 -nd -N -np -erobots=off "http://forum.ru-board.com/misc.cgi?action=printtopic&forum=35&topic=82097" -r -l 1 -H -D 2bay.org

PS. Можно еще -x добавить...

Всего записей: 1797 | Зарегистр. 07-08-2002 | Отправлено: 11:26 01-02-2020 | Исправлено: Alex_Piggy, 11:27 01-02-2020
Pasha_ZZZ



Gold Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
vcrank
Цитата:
можно из этого файла выдернуть все ссылки, которые начинаются с
grep

Всего записей: 9428 | Зарегистр. 11-03-2002 | Отправлено: 11:32 01-02-2020
vcrank

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

Цитата:
-r -l 1 -H -D 2bay.org

Это маленько не то оказалось ))
Надо просто дёрнуть список ссылок с указанной страницы, а не качать их )
 
Но буду отдельными утилитами из файла дёргать

Всего записей: 932 | Зарегистр. 24-10-2005 | Отправлено: 13:42 01-02-2020
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160

Компьютерный форум Ru.Board » Компьютеры » Программы » Wget


Реклама на форуме Ru.Board.

Powered by Ikonboard "v2.1.7b" © 2000 Ikonboard.com
Modified by Ru.Board
© Ru.Board 2000-2020

BitCoin: 1NGG1chHtUvrtEqjeerQCKDMUi6S6CG4iC

Рейтинг.ru