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
mithridat1, а я не знаю более ни одного места в мире, кроме России (впрочем, я целенаправленно не искал), где поставщики связи бы хвастались тем, что они могут и будут подсовывать вам подложные сертификаты.


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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 14:56 27-08-2015 | Исправлено: ASE_DAG, 15:00 27-08-2015
Pasha_ZZZ



Platinum Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
ASE_DAG
Чайна как вам?

Всего записей: 12375 | Зарегистр. 11-03-2002 | Отправлено: 15:18 27-08-2015
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Pasha_ZZZ, о! Там все много круче и по этой части в том числе: «Великая китайская противопожарная стена» свои подложные сертификаты может подписывать китайским национальным корневым, что установлен как доверенный на большинстве систем по всему миру (и на моей, и уверен, что на вашей в том числе):
 
/usr/share/ca-certificates/mozilla$ ls China* CN*
China_Internet_Network_Information_Center_EV_Certificates_Root.crt  CNNIC_ROOT.crt

 
Так что отключай проверку сертификата / не отключай — все едино, для не знающего про эту подлянку пользователя все пройдет незамеченным. Имейте в виду, если поедете в Китай.

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 19:06 27-08-2015 | Исправлено: ASE_DAG, 19:08 27-08-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Здравствуйте.
 
По какой причине, при закачке со страницы приведенным ниже кодом, два основных JPG-изображения со страницы не скачиваются? —

Код:
 
wget_ruboard\wget.exe --user-agent="Mozilla/5.0 (Windows NT 5.1; rv:26.0) Gecko/20100101 Firefox/26.0 SeaMonkey/2.23" "https://blogs.yandex.ru/search.xml?text=author%3D%22smorodinov%22&holdres=mark&age_filter=on&ft=blog&full=1&p=4"  -HEkp -nc -nd -e robots=off -R "*.js" -P "smorodi2222"
 

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 14:22 28-08-2015 | Исправлено: D1D1D1D, 14:23 28-08-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
На сервере может просто стоять блокировка копирования. Специально чтобы люди заглядывали на страницу.

----------
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: 14:27 28-08-2015
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, D1D1D1D
Не знаю.  wilmot01.jpg  wilmot02.jpg  скачиваются. Смотрите debug log (-d -o log). Мой лог для сравнения.

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 16:39 28-08-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
 
Перекачал Вашу версию из шапки, перепроверил, но всё равно все четыре JPG-файла у меня пропускаются. Может, это что-то системное, XP SP2 например?))

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 19:41 28-08-2015
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
D1D1D1D
Может быть. А может и не быть. Поэтому я дал свой лог (в котором все файлы закачиваются) и предложил посмотреть что отличается в Вашем. Просто ищете/смотрите по имени файла.

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 19:47 28-08-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
А, ясно. Отличие оказалось разительное: мой в два раза меньше по размеру — http://rghost.ru/8VdShHK6z

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 20:23 28-08-2015
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
D1D1D1D
Прошу прощения, я допустил ошибку - не удвоил проценты в bat-файле (запускал из командной строки и не проверив, сбросил в bat.). Обновил архив с логом. Пожалуйста, попробуйте еще раз.
PS. А Вы запускаете из bat или из командной строки? Может у Вас то же самое?

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 20:48 28-08-2015
D1D1D1D

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Alex_Piggy
Точно, скачалось! Большое спасибо! Да, из bat запускал. Выходит, в нём в ссылках символы процента всегда надо удваивать?

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 21:48 28-08-2015 | Исправлено: D1D1D1D, 21:49 28-08-2015
Victor_VG



Tracker Mod
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
D1D1D1D
 
Всегда. Это называется "экранированием спецсимволов" и нужно чтобы не путать параметры с переменными среды.

----------
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: 22:21 28-08-2015
D1D1D1D

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

Всего записей: 1362 | Зарегистр. 05-04-2010 | Отправлено: 22:42 28-08-2015
vcrank

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
ASE_DAG, пока безрезультатно

Цитата:
wget --post-data='AUTH_FORM=Y&USER_LOGIN=ЛОГИН&USER_PASSWORD=ПАРОЛЬ&Login=Войти' \ --save-cookies=my-cookies.txt --keep-session-cookies \ http://staten.ru/?login=yes -t1 -nd -N -np -erobots=off http://staten.ru/user/download/price_xls/

Судя по коду там в самом начале надо видоизменить отправку запроса на

Цитата:
wget --post-data='backurl=/&AUTH_FORM=Y&....

В любом случае получаю ошибку

Цитата:
wget: отсутствует URL
Использование: wget [ПАРАМЕТР]... [URL]...
 
Дополнительные параметры выводятся по команде <wget --help>.
"USER_LOGIN" не является внутренней или внешней
командой, исполняемой программой или пакетным файлом.
"USER_PASSWORD" не является внутренней или внешней
командой, исполняемой программой или пакетным файлом.
"Login" не является внутренней или внешней
командой, исполняемой программой или пакетным файлом.

 
либо

Цитата:
"AUTH_FORM" не является внутренней или внешней
командой, исполняемой программой или пакетным файлом.
...

Всего записей: 1067 | Зарегистр. 24-10-2005 | Отправлено: 07:06 29-08-2015
Alex_Piggy

Advanced Member
Редактировать | Профиль | Сообщение | ICQ | Цитировать | Сообщить модератору
Доброе время, vcrank
Систему указывайте...  В Win cmd одиночные кавычки ничего не экранируют (амперсанд должен быть экранирован как спецсимвол). И обратный слеш в конце строки - это экранирование перевода строки. Вместо него можно поставить циркумфлекс (если нужно для облегчения читаемости).
wget --post-data="AUTH_FORM=Y&USER_LOGIN=ЛОГИН&USER_PASSWORD=ПАРОЛЬ&Login=Войти"  --save-cookies=my-cookies.txt --keep-session-cookies  "http://staten.ru/?login=yes" -t1 -nd -N -np -erobots=off "http://staten.ru/user/download/price_xls/"

Или же попробовать закинуть POST в URL
wget  --save-cookies=my-cookies.txt --keep-session-cookies  -t1 -nd -N -np -erobots=off "http://staten.ru/?login=yes&AUTH_FORM=Y&USER_LOGIN=ЛОГИН&USER_PASSWORD=ПАРОЛЬ&Login=Войти" "http://staten.ru/user/download/price_xls/"

Всего записей: 1883 | Зарегистр. 07-08-2002 | Отправлено: 08:21 29-08-2015 | Исправлено: Alex_Piggy, 08:25 29-08-2015
vcrank

Advanced Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Был невнимателен при просмотре полей формы
Рабочие параметры получились такие:

Цитата:
wget --post-data="backurl=/&AUTH_FORM=Y&TYPE=AUTH&USER_LOGIN=ЛОГИН&USER_PASSWORD=ПАРОЛЬ&Login=Войти"  --save-cookies=my-cookies.txt --keep-session-cookies  "http://staten.ru/?login=yes" -t1 -nd -N -np -erobots=off "http://staten.ru/user/download/price_xls/"

Всего записей: 1067 | Зарегистр. 24-10-2005 | Отправлено: 16:55 29-08-2015
srkr

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Нужно скачать целиком тему с vk.com. Страниц очень много. Можно бы создать bat-файл - на каждой строке скачка отдельной страницы темы. Есть доп условия для задачи - не хочу регаться на vk.com. Если в браузере открыть отдельную страницу темы, то появлется окошко с предложением задать страну и город. Страна "Россия" у меня подставляется автоматически. Если задать еще и город, пусть и не свой, дальше я могу спокойно читать страницу темы, сохранить ее со всеми картинками, css-, и js-файлами. Могу переходить на другие страницы - при этом окно больше не выскакивает. Можно даже не подставлять город, а просто закрыть это окно. Но при переходе на другую страницц, оно появляется снова.
 
Как я понял, данные окна запомнились в cookies браузера. Или нет? Может быть эти cookies можно как-то подсунуть wget-у?
 
Или может быть есть другой способ?

Всего записей: 56 | Зарегистр. 14-12-2009 | Отправлено: 17:24 13-09-2015 | Исправлено: srkr, 17:26 13-09-2015
chAlx

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

Цитата:
Или может быть есть другой способ?

А что такое "тема с vk.com"? ;) Да ещё и многостраничная. Я тоже не хочу регаться, чтобы это выяснить -- нужен пример.
 
Из способов скорее всего самый прямой -- использование API Вконтактика.

Всего записей: 1691 | Зарегистр. 19-03-2003 | Отправлено: 21:19 13-09-2015
srkr

Junior Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
Здесь я ввел в заблуждение себя и остальных может быть.

Цитата:
Если в браузере открыть отдельную страницу темы, то появлется окошко с предложением задать страну и город. Страна "Россия" у меня подставляется автоматически. Если задать еще и город, пусть и не свой, дальше я могу спокойно читать страницу темы, сохранить ее со всеми картинками, css-, и js-файлами. Могу переходить на другие страницы - при этом окно больше не выскакивает. Можно даже не подставлять город, а просто закрыть это окно. Но при переходе на другую страницц, оно появляется снова.

Так сайт ведет себя, если ты зареган, но невозможно узнать-понять из какого ты города-страны. Я зашел на vk.com и оказалось, что как-то я уже залогинился там. Сессия была запомнена. Когда я вышел, то темы читались постранично безо всяких выскакивающих окошек. Но вегет их не скачивает.

Всего записей: 56 | Зарегистр. 14-12-2009 | Отправлено: 02:08 14-09-2015
ASE_DAG



Gold Member
Редактировать | Профиль | Сообщение | Цитировать | Сообщить модератору
srkr, понятия не имею, о чем речь, но дались вам вообще эти «окошки», чего вы тут про них распинаетесь?

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

Всего записей: 9272 | Зарегистр. 12-05-2005 | Отправлено: 04:50 14-09-2015
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