☰

下载不在其发布网页中的文件

tag-icon • tag-icon curl wget
下载不在其发布网页中的文件

我正在尝试从此网页下载所有文件：https://www.lezioni4all.com/ase/appunti 所以我使用“wget”命令，它不起作用，所以我做了一些研究，我发现在上面的网页上（当我单击我想要可视化的资源时）它会在新的网页中打开文档页面和路径类似于：http//something/resource/%10hi%10Ineedof%10thisresource

（如果您打开上面的链接并选择页面中的一个元素，例如“conflitti”，您将看到该项目有一种“预览”，然后当您单击底行时，资源将在新窗口中打开，其标题与您在主页上显示的标题相同，但名称中带有一些百分比，例如 %10、%20...）。

你知道我如何下载那些无法下载的文件，只需要输入它们发布的页面的网址吗？

我已经尝试过这些命令：

wget --no-clobber --convert-links --random-wait -r -p -E -e robots=off --no-parent -P ~/Desktop/ASE_lezioni4all https://www.lezioni4all.com/ase/appunti

wget --page-requisites -p --convert-links  -P ~/Desktop/ASE_lezioni4all https://www.lezioni4all.com/ase/appunti

另外，我只收到在互联网上打开白色窗口的空白文件。

答案1

PDF URL 嵌入在 JavaScriptonclick属性中。你可以grep：

wget -qO- https://www.lezioni4all.com/ase/appunti | 
  grep -o "https://www\.lezioni4all\.com/files/[^']*\.pdf"

您可以使用 no-clobber 选项下载它们-nc（因为每个文档都链接两次）并且-i：

wget -nc -P ~/Desktop/ASE_lezioni4all -i <(
  wget -qO- https://www.lezioni4all.com/ase/appunti |
  grep -o "https://www\.lezioni4all\.com/files/[^']*\.pdf")

相关内容