Question

我正在尝试下载以下网站http://computerone.altervista.org的某些页面，仅用于测试...

我的目标是只下载符合以下模式“*JavaScript*”和“*index*”的网页。

实际上，如果我尝试以下选项

wget \
-A "*Javascript*, *index*" \
--exclude-domains http://computerone.altervista.org/rss-articles/ \
-e robots=off \
--mirror -E -k -p -np -nc --convert-links  \
--wait=5 -c  \
http://computerone.altervista.org

它的工作原理是它试图下载http://computerone.altervista.org/rss-articles/。

我的问题是：

为什么它会尝试下载http://computerone.altervista.org/rss-articles/页面？
我应该如何避免它？我尝试了--exclude-domains http://computerone.altervista.org/rss-articles/选项，但尝试下载

P.S .:
查看我得到的源页面：

<link rel="alternate" type="application/rss+xml" title="RSS 2.0" href="rss-articles/" />

Answer 1

wget -p下载所有页面要求：

man wget：

要完成这个主题，值得知道Wget的想法              外部文档链接是<A>标记中指定的任何URL              <AREA>标记或<LINK>以外的<LINK REL="stylesheet">标记。

要排除rss-articles使用-X或--exclude-directories

wget -A "*Javascript*, *index*" -X "rss-articles" -e robots=off --mirror -E -k -p -np -nc -c http://computerone.altervista.org

如何避免使用wget下载链接

1 个答案: