如何在wget中阻止文件名“index.html？replytocom = xxx”

Question

我试图删除大量奇怪的文件名，例如index.html?replytocom=653，index.html?replytocom=667等。

我使用下面的代码：

wget -k -m -r -q -R gif,png,jpg,jpeg,GIF,PNG,JPG,JPEG,?,= -t 1 http://www.website.com/

并尝试了

wget -k -m -r -q -R gif,png,jpg,jpeg,GIF,PNG,JPG,JPEG,?,=,replytocom -t 1 http://www.website.com/

但没有运气..

Answer 1

在这种情况下，无法使用rejlist，因为 documentation for wget说：

另请注意，查询字符串（以问号开头的URL末尾的字符串（`？`）不包含在接受/拒绝规则的文件名中，即使这些字符串实际上会影响所选的名称预期Wget的未来版本将提供允许匹配查询字符串的选项。

因此，您需要使用--reject-regex参数。

wget --reject-regex '(.*)\?(.*)' http://example.com

请注意，每--reject-regex次来电，您只能使用wget一次。也就是说，如果要在多个正则表达式中选择，则必须在单个正则表达式中使用|：

wget --reject-regex 'expr1|expr2|…' http://example.com

---

所以回答你的问题，我猜测解决方案会是这样的：

wget --reject-regex '(.*)replytocom(.*)' (...)