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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178

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) | Wget2.
.
 
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: 1551 | Зарегистр. 17-06-2003 | Отправлено: 13:39 08-11-2003 | Исправлено: anynamer, 11:40 25-12-2023
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Добрый день, DimitriusXZ
Странно. Проверил батником. Версией 1.11.4 с ftp.yandex.ru 65 MB скачивалось 8 часов (1700 докачек). Файл не поврежден...  
Интересно. Если получится, скиньте пожалуйста кроме логов и сравнение поврежденного и нормального файла (fc /b file1 file2 >fc.log)
PS. Нашел/вспомнил наконец-то статью про Reget, в которой описывалась похожая ситуация. Возможно ли такое? Природа обрывов?
PPS. mirror.yandex.ru (он же ftp.yandex.ru) поддерживает rsync.  

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 10:33 28-12-2012
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
 
Я думаю, что возможно природа обрывов в ошибках на сервере. Ночью мы с другом так вытаскивали один тарбалл размером чуть более 3 Гб. У него он так и не скачался, у меня он был получен после четырёх реконнектов с сервером без ошибок. Более-менее точный ответ дал Werishark - сей горе-сервер рвал связь отдавая около 700 - 1000 Мб и Windows стек TCP/IP несмотря на заявленную поддержку докачки у данного сервера не мог корректно обработать данную ситуацию исправно завершая сессию. Друг бесполезно воевал с ним браузерами, Download Master, FDM, Orbit, IDM - короче всем, что под рукой было но упорно не хотел воспользоваться консольным Wget - "Ну, не люблю я консоль!", а я используя BSD UNIX и wget с ключами  -c -N -nd --trust-server-names --no-check-certificate взял этот тарбалл без проблем за пятнадцать минут без ошибок, а мой друг так и не смог его скачать - постоянный обрыв закачки на 95% и последующее автоудаление файла качалками (GUI-с ), хотя и пытался его получить более трёх десятков раз.  
 
После мы с ним смеялись что как всегда бесплатный демонёнок с блеском  справился там, где широко разрекламированное платное поделие дяди Стиви в очередной раз гвардейски оскандалилось несмотря на солидную сумму что он за него выложил - машина пришла с лицензионной "Windows 7 by Toshiba" и производитель специально оговорил в условиях гарантии что если ихнюю винду снесут, то покупатель лишается гарантии на ноут по основанию "Применение не сертифицированной для данной модели ОС приведшее к отказу оборудования по вине покупателя." - Toshiba в своём репертуаре.

----------
Жив курилка! (Р. Ролан, "Кола Брюньон")
Xeon E5 2697v2/C602/128 GB PC3-14900L/GTX 1660 Ti, Xeon E5-2697v2/C602J/128 Gb PC3-14900L/GTX 1660 Ti

Всего записей: 33133 | Зарегистр. 31-07-2002 | Отправлено: 16:28 28-12-2012 | Исправлено: Victor_VG, 16:33 28-12-2012
ndch

Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
есть ли у wget возмоность качать  
с ограничением по времени  
с ограничением по размеру скачиваемого
 
как в curl:
-m, --max-time SECONDS  Maximum time allowed for the transfer
--max-filesize BYTES  Maximum file size to download (H/F)
 
у cur max-time работает корректно всегда.

Всего записей: 6477 | Зарегистр. 31-08-2008 | Отправлено: 10:50 30-12-2012 | Исправлено: ndch, 10:51 30-12-2012
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Вот список ключей для версии 1.14 MinGW32 саму её в полном наборе, включая текст справки я положил тут Wget-1.14_x86_MinGW.7z. Wget.ini можно не использовать, но стоит распаковать ./locale/, curl-ca-bundle.crt, wget.exe, wget_help.txt в любой каталог в пути чтобы система его не искала. Если используются несколько версий Wget, то эту стоит переименовать чтобы исключить возможность конфликта версий.

----------
Жив курилка! (Р. Ролан, "Кола Брюньон")
Xeon E5 2697v2/C602/128 GB PC3-14900L/GTX 1660 Ti, Xeon E5-2697v2/C602J/128 Gb PC3-14900L/GTX 1660 Ti

Всего записей: 33133 | Зарегистр. 31-07-2002 | Отправлено: 20:15 30-12-2012
DimitriusXZ

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Логи постараюсь сохранить. Но это будет не быстро.
Более детально, еще раз, объясню то, что я заметил. Может быть повторюсь.
Wget я качаю образы Linux.
Часто бывало так, что он скачивал образ без нескольких мегабайт.
И отказывался докачивать. В логе писал, что 100% закачка.
Размер образа я получал: wget.exe --spider -S -i links.txt -a log.txt
Докачать я пытался командой: wget.exe -c -N -i links.txt -a log.txt  
(с этими опциями я обычно и скачиваю файлы).
Но он никак не реагировал на то, что размер не соответствует.
Почему?
Приходилось удалять файл и скачивать с нуля.  
Если размер соответствовал, часто внутренне он был не точная копия оригинала.
Проверял MD5. Скачивал еще раз. Я сравнивал дефектный и правильный образы.
Как говорят полоса белая, полоса черная. Так и с его скачанным образом.
Вперемешку, полосами шло соответствие и не соответствие. То там, то там.
Не подряд - не от определенного места и до конца файла.
Мне кажется, что кое-где он создавал смещение данных. Потом исправлялся.
В общем такие ошибки были где-то у 25-40% скачанных мною больших файлов.
Вероятно из-за того, что закачка прерывалась, а потом возобновлялась.
Скорость закачки я ограничивал на уровне 30-50 Кбит/сек., чтобы не занимать полностью канал.
Программа хорошая, но с докачкой у неё явно что-то не то.
По крайней мере у меня.

Всего записей: 828 | Зарегистр. 17-01-2010 | Отправлено: 03:32 02-01-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
DimitriusXZ
 
Логи сохраните раз, и при возможности проверьте не MD5 т.к. у этого алгоритма достаточно высока вероятность ошибки коллизии алгоритма когда для разных двоичных потоков формируется одинаковая MD5SUM, а SHA-256 т.к. у этого алгоритма на данный момент времени ошибок не обнаружено. И попробуйте с моими ключами. Сколько брал Wget/Curl файлы ни разу подобных явлений не видел. Попробуйте с тех же линков отключить свой шейпер - возможно что в повреждении данных виноват именно он.

----------
Жив курилка! (Р. Ролан, "Кола Брюньон")
Xeon E5 2697v2/C602/128 GB PC3-14900L/GTX 1660 Ti, Xeon E5-2697v2/C602J/128 Gb PC3-14900L/GTX 1660 Ti

Всего записей: 33133 | Зарегистр. 31-07-2002 | Отправлено: 04:38 02-01-2013
Belfey

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Помогите, пожалуйста.
Очень нужно выгрузить сайт loveromantika.ru - точнее, zip-файлы с книгами. Какие ключи мне нужно использовать?
Спасибо

Всего записей: 8 | Зарегистр. 05-01-2013 | Отправлено: 20:50 06-01-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Добрый вечер
Belfey
Там просто хозяева сайта похоже такое не любят, поэтому все книги - в исключениях robots.txt
wget -e "robots=off" -nc -r -l inf -H -R "*.jpg,*.gif" -P "loveromantika.ru" -D "book.loveromantika.ru,loveromantika.ru" --exclude-domains="www.loveromantika.ru" loveromantika.ru -a loverom.log
Только сначала скачаются все-все HTML (>160MB). Я просто проверил, что скачивается минимум один файл. Лучше не прерывать...
Да, книги будут в "loveromantika.ru\book.loveromantika.ru"
 
ALL
Обнаружил в 1.14 странную ошибка - при "-c -r", если файл уже существует, выдается "bad file descriptor"... При этом "-r" - нормально...

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 00:04 07-01-2013
anynamer



Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Можно ли при помощи Wget записать поток iptv (ссылка вида http://xxxxxxxxxx.xx/media/hdanimalplanet)?
Если нет - подскажите, пожалуйста, чем можно, записал бы через vlc, но там оно тормозит и глючит из-за слабого железа и, наверное, кодеков - получается плохо.

Всего записей: 2237 | Зарегистр. 17-05-2010 | Отправлено: 00:35 07-01-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброй ночи, anynamer
Можно, почему нет?
wget http://xxxxxxxxxx.xx/media/hdanimalplanet -O stream.avi
А можно с этой же целью использовать mplayer:
mplayer -dumpstream -dumpfile stream.avi  http://xxxxxxxxxx.xx/media/hdanimalplanet

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 00:54 07-01-2013
Belfey

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Спасибо, но не сработало - скачалось только 27 авторов, а их там более сотни...

Всего записей: 8 | Зарегистр. 05-01-2013 | Отправлено: 02:12 07-01-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Belfey
Понятно... Похоже, что на www.loveromantika.ru не только форум...
Вместо --exclude-domains="www.loveromantika.ru" поставьте -X "forum". Запускать из того же места, что и в прошлый раз - докачается.  
wget -e "robots=off" -nc -r -l inf -H -R "*.jpg,*.gif" -P "loveromantika.ru" -D "book.loveromantika.ru,loveromantika.ru" -X "forum,chtenie" loveromantika.ru -a loverom.log
Сейчас тоже проверяю...
Добавлено - в -X chtenie
Впрочем, туда можно все, что в верхней строке.
wget -e "robots=off" -nc -r -l inf -H -R "*.jpg,*.gif" -P "loveromantika.ru" -D "book.loveromantika.ru,loveromantika.ru" -X "forum,chtenie,audioknigi,muzik,kino,debyut" loveromantika.ru -a loverom.log

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 02:34 07-01-2013 | Исправлено: Alex_Piggy, 02:44 07-01-2013
Belfey

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Пробую...

Всего записей: 8 | Зарегистр. 05-01-2013 | Отправлено: 02:46 07-01-2013
anynamer



Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Спасибо за ответ.

Цитата:
wget http://xxxxxxxxxx.xx/media/hdanimalplanet -O stream.avi

Мне нужно записать с HD канала, там поток соответствующий, правильно ли будет указать .avi?
Можно выставить оригинальный формат или контейнер (vlc сохраняет в .ts)?

Всего записей: 2237 | Зарегистр. 17-05-2010 | Отправлено: 03:09 07-01-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Belfey
Часть текстов лежит в "loveromantika.ru\www.loveromantika.ru\engine\" в файлах вида "download.php@id=96". Похоже, нужно было включить "--content-disposition" (для получения имен). На самом деле это - zip архивы. Переименовать их все скопом - выполнить в папке "rename *.* *.*.zip"
На 1530 скачанных текстов  более чем 115 авторов останавливаю... Окончательный вариант -  
wget -e "robots=off" -nc -r -l inf -H --content-disposition -R "*.jpg,*.gif" -P "loveromantika.ru" -D "loveromantika.ru" -X "forum,chtenie,audioknigi,muzik,kino,debyut,suget_katalog,tags" loveromantika.ru -a loverom.log
Архивы с книгами будут лежать в "loveromantika.ru\book.loveromantika.ru" по авторам и в "loveromantika.ru\www.loveromantika.ru" - в общей куче файлов (увы... перенести можно командой  "move" - "move *.zip d:\test\loveromantika.ru\").  
 
anynamer
Скорее всего без разницы. Плеер должен понять, какой формат файла. Называйте так, как Вам удобно/привычно.

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 03:23 07-01-2013 | Исправлено: Alex_Piggy, 03:45 07-01-2013
anynamer



Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Спасибо, сейчас испробую, а как завершить скачивание потока?

Всего записей: 2237 | Зарегистр. 17-05-2010 | Отправлено: 03:32 07-01-2013
Belfey

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
 
Большое вам спасибо!

Всего записей: 8 | Зарегистр. 05-01-2013 | Отправлено: 03:37 07-01-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Всегда пожалуйста.
 
anynamer
"Ctrl-C" с клавиатуры или через диспетчер задач убиваете процесс wget . При перезапуске файл будет переписыватся!
Belfey
Обновил окончательный вариант в последнем сообщении. Единственное, что поменяется - будут нормальные имена вместо download.php. Точно так же можно запускать поверх. Если уже скачали, не перекачивайте - распакуется нормально.

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 03:44 07-01-2013 | Исправлено: Alex_Piggy, 03:46 07-01-2013
anynamer



Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Спасибо за помощь в столь поздний час.
Думал есть более корректный способ остановки командой.
Всё получилось - я просто счастлив

Всего записей: 2237 | Зарегистр. 17-05-2010 | Отправлено: 03:49 07-01-2013
Belfey

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Теперь только осталось разобраться с тем, какие ключи вы использовали и почему именно их

Всего записей: 8 | Зарегистр. 05-01-2013 | Отправлено: 04:08 07-01-2013
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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178

Компьютерный форум Ru.Board » Компьютеры » Программы » Wget


Реклама на форуме Ru.Board.

Powered by Ikonboard "v2.1.7b" © 2000 Ikonboard.com
Modified by Ru.B0ard
© Ru.B0ard 2000-2024

BitCoin: 1NGG1chHtUvrtEqjeerQCKDMUi6S6CG4iC

Рейтинг.ru