☰

自动保存分散在多个网页上的大文档

tag-icon • tag-icon download
自动保存分散在多个网页上的大文档

我想要一份分布在大量网页上的手册，例如大文件。我不想订购纸质版，也不想点击每个链接才能获得整个文档。将本手册的副本放在我的硬盘上的最简单方法是什么？

答案1

这是一个可能的答案（如果 Darius 的建议不起作用我才会尝试wget）....这也取决于你有多幸运！

你可以使用类似http://www.httrack.com/这会将整个网站保存到您的硬盘上。

您所谈论的 PDF 页面是可以预测的，因为它们都位于http://www.state.gov/documents/organization/目录，因此保存网站后，删除organization/目录之外的所有内容

问题是没有保证只有你想要的页面存在于该目录中（例如，这个目录可能包含网站的所有 PDF，而不仅仅是您想要的 PDF）。根据您的需要，这可能足够，也可能不够。

答案2

正确的选择组合将在合理的时间内带来合理的结果。为了实现这一点，我们进行了几次尝试。

wget --recursive --page-requisites --convert-links --timestamping 
--domains=www.state.gov --level=2 --accept htm,pdf 
--include /m/a/dir/regs/fam,/documents

这不能成为通用解决方案，因为 --accept 某些文件类型的选择特定于网站。 --include 某些树的选择特定于网站。同样， --level 的选择也是特定的。

（@Darius 可能会发布答案而不是评论，在这种情况下我会考虑选择它。）

相关内容