我正在尝试从网站抓取链接,然后使用下载管理器下载文件。
我试过了:
wget --wait=20 --limit-rate=20K -r -p -U Mozilla "www.mywebsite.com"
我无法弄清楚如何使用wget
或正则表达式来保存所需的链接!
答案 0 :(得分:2)
wget提供了多种选项,可以在递归爬网中精确调整文件下载。
以下是一些您可能感兴趣的选项:
--accept-regex urlregex
下载与 urlregex
匹配的任何网址。 urlregex
是一个正则表达式,与完整的URL匹配。
--reject-regex urlregex
忽略与 urlregex
匹配的任何网址。 urlregex
是一个正则表达式,与完整的URL匹配。
-L
告诉wget只关注相关链接。
相关链接示例:
<a href="foo.gif">
<a href="foo/bar.gif">
<a href="../foo/bar.gif">
非相关链接:
<a href="/foo.gif">
<a href="/foo/bar.gif">
<a href="http://www.server.com/foo/bar.gif">