web-dev-qa-db-ja.com

wgetを介してディレクトリとサブディレクトリをダウンロードする

Web上にフォルダビューのあるフォルダがあります（ http://example.com/folder1/folder2/ ）

/ folder2には、pdfファイルを含む複数のフォルダーがあります。 wgetを使用して、すべてのサブフォルダーとファイルを含む/ folder2のすべてのコンテンツをssh経由でサーバーにダウンロードしたいと思います。次のことを試しましたが、index.htmlファイルとrobots.txtファイルしか取得できません。

[root@myserver downloads]# wget -r --no-parent --reject "index.html*" http://www.example.com/folder1/folder2/
--2015-08-07 07:46:36--  http://www.example.com/folder1/folder2/
Resolving www.example.com... 192.168.1.1
Connecting to www.example.com|192.168.1.1|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: unspecified [text/html]
Saving to: `www.example.com/folder1/folder2/index.html'

    [         <=>                           ] 4,874,325    138K/s   in 37s     

2015-08-07 07:47:42 (128 KB/s) -     `www.example.com/folder1/folder2/index.html' saved [4874325]

Loading robots.txt; please ignore errors.
--2015-08-07 07:47:42--  http://www.example.com/robots.txt
Connecting to www.example.com|192.168.1.1|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: 26 [text/plain]
Saving to: `www.example.com/robots.txt'

100%[======================================>] 26          --.-K/s   in 0s      

2015-08-07 07:47:42 (1.42 MB/s) - `www.example.com/robots.txt' saved [26/26]

Removing www.example.com/folder1/folder2/index.html since it should be rejected.

FINISHED --2015-08-07 07:47:42--
Downloaded: 2 files, 4.6M in 37s (128 KB/s)
[root@myserver downloads]#

同様のFAILED結果で試した他のコマンド：

wget -m -p -E -k -K -np http://example.com/folder1/folder2/

wget -r http://example.com/folder1/folder2/ -nd -P /downloads -A PDF
linuxbashsshwget
3
imbayago

Wgetを使用して、すべてのサブフォルダーとファイルを含む/ folder2のすべてのコンテンツをssh経由でサーバーにダウンロードしたいと思います。

wget経由でダウンロードしたいと思いますが、ここではSSHは問題ではありません。

Solution by Attilio ：

wget --mirror --page-requisites --adjust-extension --no-parent --convert-links \
    --directory-prefix=folder2 http://example.com/folder1/folder2/

編集

上記のソリューションは、Webサイトのミラーリングに適しています。申し訳ありませんが、答えるのが少し速すぎて、PDFのミラーリングには最適ではありません。

wget -m -nH --cut-dirs=1 -np -R 'index.*' http://example.com/folder1/folder2/
  • -m、--mirror：すべてを再帰的にダウンロードする
  • -nH、--no-Host-directories：ホスト名で指定されたディレクトリ内にデータを配置しないでください
  • --cut-dirs=1：ローカル階層を作成するときに最初のディレクトリをスキップします
  • -np、--no-parent：親をフェッチしないでください！
  • -R、--reject 'index.*'：「index。*」のような名前のファイルは保存しないでください

役に立つかもしれません：-e robots=offは、wgetにrobots.txtを無視するように指示します。

例

$ wget -m -nH --cut-dirs=4 -np --reject 'index.*' \
 http://ftp.lip6.fr/pub/linux/distributions/slackware/slackware64-current/source/a/bin/
$ tree
.
└── slackware64-current/
    └── source/
        └── a/
            └── bin/
                ├── banners.tar.gz
                ├── bin.SlackBuild
                ├── debianutils_2.7.dsc
                ├── debianutils_2.7.tar.gz
                ├── fbset-2.1.tar.gz
                ├── scripts/
                │   ├── diskcopy.gz
                │   └── xx.gz
                ├── slack-desc
                └── todos.tar.gz

代替案

これはあなたが尋ねたものではありませんが、私は個人的に lftp を使用するのが好きです：

lftp -c "open http://example.com/folder1/; mirror folder2"
8
bufh