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
Доброе время, D1D1D1D

Цитата:
Скачанная страница вернёт текст "сессия устарела", хотя в браузере ссылка еще какое-то время будет действовать.  Связано ли это, как выше выяснилось, с неумением wget обсчитывать яваскрипты?

Вряд ли. Так и не понял, какого рода ссылки Вы подставляли/какую строку использовали. Если wget "http://rutracker.org/forum/viewtopic.php?p=49981517#49981517" --load-cookies=cookies.txt , то может действительно просто нужно переавторизоватся?

Цитата:
Подскажите, какой будет команда для авторизации на http://livejournal.com/?

Ищете все "<input" между "<form" и "</form>" В сокращенном виде для LJ это

Код:
 
<form action="https://www.livejournal.com/login.bml?ret=1" id="login" method="post" name="login">
<input type='hidden' name='mode' value='login' />
<input type="text" class="txt" name="user" value="username" id="login_user" value="username" />                                    
<input type="password" name="password" class="txt lj_login_password" id="login_password" />
<input id="loginlj_submit" name="_submit" type="submit" value="Вход "/>                                            <input type="checkbox" name="remember_me" value="1" id="login-rememb" class="rememb">
</form>
 

Собираете все id (или name?) в строку с их value
Результат - что-то вроде "https://www.livejournal.com/login.bml?ret=1&mode=login&login_user=LOGIN&login_password=PASSWORD&loginlj_submit=%D0%92%D1%85%D0%BE%D0%B4%20&login-rememb=1"
Или "https://www.livejournal.com/login.bml" --post-data=" ret=1&mode=login&login_user=LOGIN&login_password=PASSWORD&loginlj_submit=%D0%92%D1%85%D0%BE%D0%B4%20&login-rememb=1"
wget --keep-session-cookies --load-cookies=cookies.txt --save-cookies=cookies.txt "https://www.livejournal.com/login.bml" --post-date="ret=1&mode=login&login_user=LOGIN&login_password=PASSWORD&loginlj_submit=%D0%92%D1%85%D0%BE%D0%B4%20&login-rememb=1"
Не проверял.

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 18:37 04-12-2013
tolyn77



Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
всем привет
 
подскажите пожалуйста так сделать что бы во время закачки создавался файл по имени отличный от  index.html
заранее благодарен

Всего записей: 1498 | Зарегистр. 07-09-2004 | Отправлено: 11:34 09-12-2013
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
tolyn77, если ключ --default-page, который вы, конечно, легко нашли в мане — это не то, что вам нужно, то нет, нельзя.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 13:04 09-12-2013 | Исправлено: ASE_DAG, 13:17 09-12-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Благодарю и приветствую!
 
По поводу Рутрекера имелось в виду, что если после перехода по этой ссылке скопировать адрес одной из 17-ти страниц результатов кроме первой и выполнить:  
 

Код:
wget --load-cookies cookies.txt "СКОПИРОВАННАЯ_ССЫЛКА"

 
скачанная страница вернёт текст "сессия устарела", хотя если ту же ссылку открыть в браузере - ее содержимое отобразится.
 
К примеру, адрес третьей страницы, в настоящий момент имеет следующий вид: http://rutracker.org/forum/search.php?id=TTKHmxnN401G&start=60 (сочетание букв и цифр в ссылке между "php?id=" и "&start=" от сессии к сессии меняется) и через определенное время станет нерабочей также и в браузере и потребуется заново перезапустить первую страницу результатов чтобы обновить сессию.

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 23:13 15-12-2013 | Исправлено: D1D1D1D, 20:39 02-01-2014
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, D1D1D1D
Странно. Не могу подтвердить. Логинюсь в броузере, захожу на страницу поиска, копирую ссылку. Логинюсь в Wget, передаю ему эту ссылку. Страница скачивается.
К сожалению, мне неясна Ваша цель. Вариант того что придумал/понял для cmd с использованием sed -  

Код:
 
@echo off
set "uid=7351924"
set "user=USER"
set "pass=PASS"
wget --keep-session-cookies --save-cookies cookies.txt --post-data "login_username=%user%&login_password=%pass%&login=Вход" --no-check-certificate http://login.rutracker.org/forum/login.php -O- > nul
wget "http://rutracker.org/forum/search.php?uid=%UID%&search_author=1" --load-cookies cookies.txt -O - | sed -n -e "/window.location/s/.*search.php?id=\(.*\)&.*/\1/p" > session.txt
set /p "session=" < session.txt
:loop  
echo %session%
set /p "task=Please enter page number for download ('exit' for exit)"
if "%task%"=="exit" exit
set /a "postnumber=(task-1)*30"
wget --load-cookies cookies.txt "http://rutracker.org/forum/search.php?id=%session%&start=%postnumber%" -O "%UID%_%task%.htm"
goto :loop
 


Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 00:14 16-12-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy спасибо, судя по коду, это то что нужно, но вот задействовать что-то не могу: почему-то сейчас каждая попытка залогиниться возвращает login.php с требованием ввести код подтверждения с картинки, хотя неделю назад с тем же кодом такого близко не наблюдал. Что бы причиной?

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 18:32 16-12-2013
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, D1D1D1D
Всегда пожалуйста.
Слишком много попыток залогинится с одного IP. Просто перелогиньтесь в броузере.

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 20:30 16-12-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Здорово Вы это решили! Спасибо Вам!

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 21:49 16-12-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Приветствую!
 
Подскажите, как можно скачать список ссылок с сайта, блокирующего автоматические запросы wget'a.
Мои ссылки и команда:

Цитата:
http://blogs.yandex.ru/search.xml?text=author%3D%22lj%22&holdres=mark&ft=comments&p=1
http://blogs.yandex.ru/search.xml?text=author%3D%22lj%22&holdres=mark&ft=comments&p=2
http://blogs.yandex.ru/search.xml?text=author%3D%22lj%22&holdres=mark&ft=comments&p=3


Код:
wget  -i links.txt -O "result.html"

 
Может, можно задержку какую поставить?

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 20:05 30-12-2013 | Исправлено: D1D1D1D, 20:07 30-12-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
Я бы поставил реферер на браузер.

----------
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: 33134 | Зарегистр. 31-07-2002 | Отправлено: 20:44 30-12-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG
Имелось в виду так? —

Код:
wget --referer="http://blogs.yandex.ru/" -i links.txt -O "result.html"

Так тоже блокируется.

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 22:00 30-12-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
Я неверно сказал:
 
  -U,  --user-agent=АГЕНТ идентифицировать себя как АГЕНТ вместо Wget/ВЕРСИЯ.
 
вот так. И как агента поставить к примеру  
 
--user-agent="Mozilla/5.0 (Windows NT 5.1; rv:26.0) Gecko/20100101 Firefox/26.0 SeaMonkey/2.23"
 
и пусть выдаёт себя за симанку 2.23 работающую на ХР.

----------
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: 33134 | Зарегистр. 31-07-2002 | Отправлено: 22:41 30-12-2013 | Исправлено: Victor_VG, 22:42 30-12-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG
Т.е. у Вас такая команда со всеми условиями работает? —

Код:
wget --user-agent="Mozilla/5.0 (Windows NT 5.1; rv:26.0) Gecko/20100101 Firefox/26.0 SeaMonkey/2.23" -i links.txt -O "result.html"

На моей ХР не идёт.

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 23:24 30-12-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Я бы её так задал:
wget --user-agent="Mozilla/5.0 (Windows NT 5.1; rv:26.0) Gecko/20100101 Firefox/26.0 SeaMonkey/2.23" --input-file=links.txt -O "result.html"  
 
но без links.txt получен result.html с длинной равной нулю.

----------
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: 33134 | Зарегистр. 31-07-2002 | Отправлено: 00:31 31-12-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
У меня такая команда тоже не пошла. А какую версию wget используете?

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 01:09 31-12-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
GNU Wget 1.14.90-4415-dirty

----------
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: 33134 | Зарегистр. 31-07-2002 | Отправлено: 01:50 31-12-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG
Можно ссылку, а то я обыскался что-то?

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 15:07 31-12-2013
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
В шапке, вдобавок у меня ещё и старый вариант. Надо обновить свой, но наверное подожду исправлений в Far - больно неприятная ошибка вылезла.

----------
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: 33134 | Зарегистр. 31-07-2002 | Отправлено: 15:49 31-12-2013
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG
 
Спасибо, сработало!

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 00:01 02-01-2014
henz0

Newbie
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Подскажите, как правильно передать POST-строку с символами = & и т.д.? Как ее заключать в кавычки, одинарные ли, двойные ли? Использую wget.exe из командной строки Windows
 
Правилен будет такой вариант?
 
wget.exe URL --post-data="моя&строка" ?

Всего записей: 1 | Зарегистр. 29-08-2013 | Отправлено: 01:01 03-01-2014
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