如何将 wget 与 URL 列表及其相应的输出文件一起使用?

如何将 wget 与 URL 列表及其相应的输出文件一起使用?

假设list_of_urls看起来像这样:

http://www.url1.com/some.txt
http://www.url2.com/video.mp4

我知道如何使用它:

wget -i list_of_urls

但是,如果我list_of_urls有这个,并且它们都返回正确的文件(例如 PDF 或视频)怎么办:

http://www.url1.com/app?q=123&gibb=erish&gar=ble
http://www.url2.com/app?q=111&wha=tcha&mac=allit

对于单个文件我可以这样做:

wget -O some.txt "http://www.url1.com/app?q=123&gibb=erish&gar=ble"

如何wget下载该 URL 列表并将返回的数据保存到正确的本地文件?

答案1

默认情况下,wget 写入一个文件,该文件的名称是您传递给它的 URL 的最后一个组成部分。许多服务器将 URL 重定向http://www.url1.com/app?q=123&gibb=erish&gar=ble到具有漂亮文件名(如http://download.url1.com/files/something.pdf.您可以告诉 wget 使用重定向 URL 中的名称(即something.pdf),而不是app?q=123&gibb=erish&gar=ble通过传递--trust-server-names选项。这不是默认模式,因为如果不小心使用,可能会导致覆盖当前目录中不可预测的文件名;但如果您信任服务器或在不包含其他珍贵文件的目录中工作,--trust-server-names通常是正确的选择。

某些服务器使用Content-Disposition标头而不是重定向来指定文件名。传递--content-disposition选项以使 wget 使用此文件名。

因此:

wget --content-disposition --trust-server-names -i list_of_urls

如果您仍然没有获得漂亮的文件名,您可能需要指定自己的文件名。假设您有一个包含以下行的文件

http://www.url1.com/app?q=123&gibb=erish&gar=ble foo.pdf
http://www.url2.com/app?q=111&wha=tcha&mac=allit bar.txt

要使 wget 将文件下载到指定的文件名,假设 URL 或文件名中没有空格字符:

err=0
while read -r url filename tail; do
  wget -O "$filename" "$url" || err=1
done <list_of_urls_and_file_names

如果所有下载都成功,则该变量包含 0,否则包含 1,如果您将此片段放入函数中或将此片段放入字符串中,则err可以。return $errexit $err

如果您不想指定 URL 以外的任何内容,并且无法从服务器获取好听的名称,则可以猜测文件类型并尝试获取至少有意义的扩展名。

err=0
n=1
while read -r url; do
  if wget -O tmpfile "$url"; then
    ext=data
    case $(file -i tmpfile) in
      application/pdf) ext=pdf;;
      image/jpeg) ext=jpg;;
      text/html) ext=html;;
      text/*) ext=txt;;
    esac
    mv tmpfile "$n.$ext"
  else
    err=1
  fi
  n=$((n+1))
done

根据需要添加其他类型。如果您的file命令没有该-m选项,请将其保留,然后检查file系统上返回的内容以查找您感兴趣的文件类型。如果您的/etc/mime.types系统上有文件,则可以从以下位置读取 MIME 类型与扩展名的关联:它而不是提供您自己的列表:

n=1
while read -r url; do
  if wget -O tmpfile "$url"; then
    mime_type=$(file -m tmpfile)
    ext=$(awk "$1 == \"$mime_type\" {print \$2; exit} END {print \"data\"}" /etc/mime.types)
    mv tmpfile "$n.$ext"
  else
    err=1
  fi
  n=$((n+1))
done

答案2

您可以循环遍历list_of_urls.像这样的东西:

while read -r url; do
    wget -O foo $url
done < list_of_urls

请注意,您必须添加自己的方法来确定foo每个条目list_of_urls(另外,我假设这是您磁盘上的文件)。

答案3

您可以直接使用wget选项:

wget -r -i list_of_urls

相关内容