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
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr, насколько мне известно, ни mail.ru, ни yandex.ru не используют базовую HTTP аутентификацию (а это ключи про нее, да).

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 14:03 19-05-2015 | Исправлено: ASE_DAG, 14:04 19-05-2015
srkr

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Я хотел понять принцип работы этих ключей. А секьюрная или нет аутентификация - дело другое.
Если, к примеру wget как-то разбирается с полями на странице и подставляет туда соотв. значения.
И после подстановки значений должен еще разобраться, произошел ли вход по имени и паролю?
Т.е. дождаться окончания загрузки страницы (которая отрабатывает после входа).

Всего записей: 56 | Зарегистр. 14-12-2009 | Отправлено: 19:05 19-05-2015
Pasha_ZZZ



Platinum Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
srkr
Ни с какими полями вгет не разбирается, он может отправить параметры со значениями через ПОСТ или ГЕТ, например.

Всего записей: 12375 | Зарегистр. 11-03-2002 | Отправлено: 19:09 19-05-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr
 
Вы по ошибке неверно истолковали формат записи ключей. Если в описании любой UNIX утилиты указано длинное имя ключа начинающееся с "--" (короткое это символ "-" и следующая за ним буква обозначающая ключ), то после знака "=" если он есть в команду её вызова надо явно подставить значение параметра ключа.
 
В вашем случае:
 
--http-user=USER (set http user to USER)  
 --http-password=PASS (set http password to PASS)  
 
запись читается так:
 
--http-user=USER , где USER имя пользователя на данном сервере
 --http-password=PASS , где PASS пароль пользователя на данном сервере
 
которые вы должны явно указать в команде вызова Wget-а.

----------
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: 19:18 19-05-2015 | Исправлено: Victor_VG, 19:25 19-05-2015
srkr

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Victor_VG, спасибо, но это азбука.

Всего записей: 56 | Зарегистр. 14-12-2009 | Отправлено: 19:53 19-05-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr
 
Естественно, а раз забыли - напомнил.

----------
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: 19:55 19-05-2015
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr
>> ни mail.ru, ни yandex.ru не используют базовую HTTP аутентификацию
> секьюрная или нет аутентификация — дело другое
 
Совершенно верно, «секьюрная или нет аутентификация — дело другое». Базовая HTTP аутентификация может и поверх TLS (то есть для HTTPS) работать. И тем не менее, ее редко кто использует, ибо слишком базово.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 19:56 19-05-2015 | Исправлено: ASE_DAG, 19:57 19-05-2015
srkr

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Можно ди в списке адресов, передаваемых ключом "-i" выборочно отключать строки. Т.е. некоторые страницы загружать не нужно, но до поры до времени. Когда понадобится, проверить.
Т.е., нет ли у wget ключика, который заставил отработать wget вхолостую?
 
Добавлено:
Увы, wget с передачей USER и PASS у меня не отработала.
 
Команда была такая:
 
wget --http-user=<мой логин> --http-password=<мой пароль> http://site.ru
 
Сохранился файл index.html, в котором отображены поля ввода логина и пароля.

Всего записей: 56 | Зарегистр. 14-12-2009 | Отправлено: 01:37 25-05-2015
mithridat1



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

Цитата:
Увы, wget с передачей USER и PASS у меня не отработала.
 
Команда была такая:
 
wget --http-user=<мой логин> --http-password=<мой пароль> http://site.ru
 
Сохранился файл index.html, в котором отображены поля ввода логина и пароля.

Значит,на сайте не работает стандартная HTTP авторизация (что на самом деле давно уже норма).Для авторизации на таких ресурсах лучше использовать cookie.
 
Добавлено:

Цитата:
Можно ди в списке адресов, передаваемых ключом "-i" выборочно отключать строки. Т.е. некоторые страницы загружать не нужно, но до поры до времени. Когда понадобится, проверить.
Т.е., нет ли у wget ключика, который заставил отработать wget вхолостую?  

Вам лучше привести пример конкретной ситуации,иначе не совсем понятно что именно вы хотите.

Всего записей: 4924 | Зарегистр. 05-01-2006 | Отправлено: 08:10 25-05-2015
srkr

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Вот пример. Команда
wget -iurl
где url - файл-список:
site1.ru
site2.ru
site3.ru
site4.ru
Две последних страницы загружать не нужно (они временне отсутствуют), а wget все равно дергается их грузить. В будущем эти страницы появятся, но чтобы не забыть о них, хотелось бы, чтобы они оставались в списке.
 
Я пробовал ставить перед ними какой-нибудь знак комментария, типа "#" или ";"ю. Это не прокатывает.
Сейчас я завел еще один файл на память "url-no" и перенес туда два последних.

Всего записей: 56 | Зарегистр. 14-12-2009 | Отправлено: 10:27 25-05-2015
mithridat1



Silver Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr
Вы сами и ответили на свой вопрос - надо иметь два списка ссылок.

Всего записей: 4924 | Зарегистр. 05-01-2006 | Отправлено: 12:20 25-05-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr
 
Похоже вам этот ключ комстроки поможет:
 
-reject-regex=REGEX  - регулярное выражение соответствующее игнорируемым URL
 
описываете ненужные вам URL перловой регуляркой (вот в неё можно задать и точные имена страниц) и вгет их пропустит. по крайней мере у версии 1.16 возможность есть, более старые проверить просто: wget --help > wget.txt и прочитать этот текст.

----------
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: 12:25 25-05-2015
srkr

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
-reject-regex=REGEX -- в виндовом вгет этого ключа нету. А жаль...

Всего записей: 56 | Зарегистр. 14-12-2009 | Отправлено: 13:46 25-05-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr
 
Есть, просто используйте сборку версии Wget v1.16.1.36-4781-dirty от Alex_Piggy или TumaGonx Zakkum v1.14 из шапки. В старых версиях много чего нет, но время не стоит на месте, а в  сборке Alex_Piggy и русская локализация есть. И возможно вы неточно искали по формату ключа, надо было искать по его названию reject-regex.


----------
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: 14:19 25-05-2015 | Исправлено: Victor_VG, 14:31 25-05-2015
srkr

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Попробую.
 
У меня вот такая:

Цитата:
GNU Wget 1.11.4
 
Copyright (C) 2008 Free Software Foundation, Inc.
License GPLv3+: GNU GPL version 3 or later
<http://www.gnu.org/licenses/gpl.html>.
This is free software: you are free to change and redistribute it.
There is NO WARRANTY, to the extent permitted by law.
 
Originally written by Hrvoje Niksic <hniksic@xemacs.org>.
Currently maintained by Micah Cowan <micah@cowan.name>.

Я сделал wget -h > wget.txt
Поискал подстроки - ничего не нашел.

Всего записей: 56 | Зарегистр. 14-12-2009 | Отправлено: 15:47 25-05-2015
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr
 
> нет ли у wget ключика, который заставил отработать wget вхолостую?
 
Есть, --spider.
 
> Можно ди в списке адресов, передаваемых ключом -i выборочно отключать строки.
 
Нет, нельзя.
 
> Две последних страницы загружать не нужно (они временно отсутствуют), а wget все равно дергается их грузить.
 
И почему это есть проблема?
 
> Я пробовал ставить перед ними какой-нибудь знак комментария
 
Ничто не мешает вам переложить чтение файла «уровнем повыше» — с wget’а ($ wget -iurl) на командный интерпретатор — и задать сколь угодно сложные правила его разбора. Ну, например:

Код:
#!/bin/bash
 
while read line; do
    [[ $line != '#'* ]] || continue
    wget "$line"
done < "$1"

 
$ thatscript url

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 17:56 25-05-2015 | Исправлено: ASE_DAG, 18:00 25-05-2015
srkr

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
У меня ж Windows

Всего записей: 56 | Зарегистр. 14-12-2009 | Отправлено: 18:06 25-05-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr
 
Те сборки вгета для винды и будут в ней работать. Проще всего использовать их, а тот же bash/sh есть в составе CygWin-а и Msys, но зачем их вам ставить коли есть нативная MinGW-а виндовая сборка??

----------
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: 18:48 25-05-2015
Skif_off

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

Цитата:
У меня ж Windows

Вам дали направление/пример построчной обработки списка, если не можете сами, то есть темы, где можно попросить: батники, скрипты JScript, VBScript, PowerShell, AutoIt, AutoHotkey и прочие. Часть соответствующих тем есть в этом разделе, часть (vbs-скрипты в частности) - в прикладном программировании.

Всего записей: 6462 | Зарегистр. 28-01-2008 | Отправлено: 20:15 25-05-2015
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr> У меня ж Windows
 
Сочувствую. Но что с того?
 
Если вам кажется, что Винда не осилит последовательный запуск N + 1 процессов, то во-первых, это не так — прекрасно осилит; а во-вторых, можно и фиксированным числом обойтись:  
 
$ awk '$1 !~ /^#/' url | wget -i -

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 21:45 25-05-2015 | Исправлено: ASE_DAG, 21:47 25-05-2015
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