Wget - [121] :: Программы :: Компьютерный форум Ru.Board

[ 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).

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 #.

Victor_VG> Говорят в юридических вопросах иногда стоит просмотреть нормы законодательства или проконсультироваться с юристом о том что можно говорить, а что может нанести удар по карману.:-)

Безусловно. Но здесь-то сложно предполагать какой-то «удар по карману», я скорее об этической стороне вопроса — советовать человеку связать себя условиями несвободной лицензии, когда это совершенно не требуется, ибо явно должен быть свободный аналог — как-то это не очень, не находите?

> Термин...

У-у! Вы меня извините, но дайте-ка я вам прямо скажу, что у вас по этой части наваристая каша в голове. :-) Давайте переберем ее, что ли.

> Термин Freeware означает что ПО распространяемое по данной юридически свободной лицензии

По свободным лицензиям (как это ни банально) распространяется таки свободное ПО, а никак не «freeware».

> можно использовать без оплаты

Ага.

> и что автор не накладывает на пользователя никаких ограничений по его использованию

Да почему же не накладывает? Может и наложить. Если «использование» понимать в широком смысле, то даже в лицензии этого «Нирсофта» наложены. А если в узком (выполнение по назначению), то легко может быть, к примеру, запрет на использование в коммерческих целях; тут на Руборде даже целая ветка есть — «Freeware для коммерческого использования» (или как-то так), откуда можно с удивлением узнать, что едва ли на большинство бесплатных программ такое ограничение зачем-то наложено.

> и единственное отличие юридических положений FREEWARE ЛИЦЕНЗИИ от группы ЛИЦЕНЗИЙ С ОТКРЫТЫМ ИСХОДНЫМ КОДОМ ПО только в том, что она не обязывает автора открывать свои исходники.

Да ни в коем случае!

«Open source» — это попросту не самый удачный английский эвфемизм для «free» в его первом значении — «свободный», когда он применяется к программам. А всякая свободная программа по определению разрешает ее: использовать в любых целях, распространять за плату или без, изменять, распространять изменения. Заметьте, что о бесплатности ни слова.

А во-вторых, как может лицензия, то есть буквально «разрешение», к чему-то обязать того, кто это разрешение выдает?

> ПРОПРИЕТАРНЫЕ ЛИЦЕНЗИИ накладывают на пользователя произвольные ограничения в плане разрешаемых им действий

Ага.

> и этим данное юридическое понятие отличается от любых СВОБОДНЫХ

Ага.

> или КОММЕРЧЕСКИХ лицензий

Я затрудняюсь сказать, существует ли понятие «коммерческая лицензия», но «коммерческая программа» — это просто программа, разрабатываемая в коммерческих целях, то есть с целью извлечения прибыли. Она может быть как несвободной (проприетарной, примеров тысячи), так свободной (ну, например, RHEL, Убунту, Qt, GitLab — все они разрабатываются коммерческими компаниями).

> тем, что они прежде всего направлены на защиту прав автора ПО

> и могут содержать дополнительные требования отсутствующие или противоречащие нормам законодательства об авторском праве конкретной страны

Могут, конечно, всех стран в мире не учтешь; обычно все пишется под североамериканские реалии.

> Экономические аспекты взаимоотношений "правообладатель - пользователь" в проприетарных лицензиях не оговариваются

Как же это не оговариваются! Обязательно надо оговорить хотя бы меру ответственности.

> оставляющие за правообладателем исключительное право произвольно менять условия либо прекращать действие лицензионного договора по своему усмотрению

Далеко не всегда. То есть такое бывает, но это лишь достаточный признак несвободной лицензии, а не необходимый.

> без уведомления об этом пользователя.

По-моему, в большинстве юрисдикций так нельзя.

> КОММЕРЧЕСКИЕ лицензии формально имеют срок действия

Повторюсь, я нигде не встречал строгого определения понятия «коммерческая лицензия», но если принять за определение, что «к коммерческим лицензиям относятся ... лицензии предусматривающие выплату автору вознаграждения за разработку», то совершенно не обязательно. Да более того, по-моему, большинство лицензий, за которые просят денег, бессрочны.

> и их положения никогда не вступают в конфликт с законом

Ну это утопия. Повторюсь — законов всех стран не учтешь.

> а их ограничения обычно включают только запрет на одновременное использование одной лицензированной копии ПО на нескольких ЭВМ

А также запрет на изменение, часто запрет на распространение вообще, почти всегда запрет на распространение за плату. А нередко и запрет на использование в тех или иных целях (за них платите особо).

> И уж совсем простым и в вольном трактовании понятий, а не формально-буквоедским языком это тут изложено - http://grammota.com/interests/hardsoft/chto-takoe-proprietarnoe-po

Про «вольные трактовки» — это вы верно подметили. Не удивительно, что после прочтения такого может сложится весьма странноватое представление о теме.

Если уж и рекомендовать к прочтению какой-нибудь не очень длинный глоассарий на эту тему, и чтоб по-русски, то https://www.gnu.org/philosophy/categories.ru.html, конечно.

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

Модерирует : gyra, Maz
Версия для печати • Подписаться • Добавить 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 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180