☰

保存网页及其所有相关内容

tag-icon • tag-icon browser firefox-extensions web-crawler
保存网页及其所有相关内容

我正在尝试弄清楚如何保存包含所有相关文件的网页，例如：http://docs.oasis-open.org/ubl/os-UBL-2.0/xsd/

我想保存目录中的所有文件，有点像爬虫，但更受限制，如果可能的话，在 Firefox 中

答案1

奇怪的是，答案不知为何被删除了。

答案如下：

wget -r -l2http://docs.oasis-open.org/ubl/os-UBL-2.0/xsd

或者

wget -r -nphttp://docs.oasis-open.org/ubl/os-UBL-2.0/xsd

看https://www.gnu.org/software/wget/manual/html_node/Directory_002dBased-Limits.html

‘-np’ ‘--no-parent’ ‘no_parent = on’

The simplest, and often very useful way of limiting directories is disallowing retrieval of the links that refer to the hierarchy above

比起始目录更高，即不允许上升到父目录/目录。

The ‘--no-parent’ option (short ‘-np’) is useful in this case. Using it guarantees that you will never leave the existing hierarchy.

假设你发出 Wget：

wget -r --no-parent http://somehost/~luzer/my-archive/

You may rest assured that none of the references to /~his-girls-homepage/ or /~luzer/all-my-mpegs/ will be followed. Only

您感兴趣的档案将被下载。本质上，“--no-parent”类似于“-I/~luzer/my-archive”，只是它以更智能的方式处理重定向。

Note that, for HTTP (and HTTPS), the trailing slash is very important to ‘--no-parent’. HTTP has no concept of a “directory”—Wget

依靠你来指示什么是目录，什么不是目录。在'http://foo/bar/'，Wget 会将 'bar' 视为目录，而在 'http://foo/bar'（没有尾随斜杠），'bar' 将被视为文件名（因此 '--no-parent' 毫无意义，因为它的父级是 '/'）。

相关内容