Question

对于Windows和Linux，我有 GNU Wget 1.10.2 ， -k 选项在这两个选项上表现不同。

-k， - convert-links使下载的HTML中的链接指向本地文件。

在Windows上它会产生：

www.example.com/index.html
www.example.com/index.html@page=about
www.example.com/index.html@page=contact
www.example.com/index.html@page=sitemap

并在linux上产生：

www.example.com/index.html
www.example.com/index.html?page=about
www.example.com/index.html?page=contact
www.example.com/index.html?page=sitemap

这在linux中是有问题的，因为当我通过Apache服务镜像时，它不会区分4个生成的页面，因为在questionmark（？）字符之后的部分被用作查询字符串文件。

关于如何控制这个问题的任何想法？

感谢

Answer 1

您不能在NTFS或FAT32上的文件名中使用问号（？）。这就是wget使用at符号（@）的原因。

在Linux中，大多数文件系统上只禁止使用斜杠（/），因此wget使用问号（因为它是URI的一部分）。

您可以使用--restrict-file-names=unix或--restrict-file-names=windows强制执行任一行为。

来自wget文档：

当mode设置为“unix”时，Wget   逃脱角色'/'和   控制0-31范围内的字符   和128-159。这是默认设置   类Unix操作系统。

当模式设置为“windows”时，Wget   逃脱人物'\'，'|'，'/'，   '：'，'？'，'''，'*'，'＆lt;'，'＆gt;'和   控制0-31范围内的字符   和128-159。除此之外，Wget   在Windows模式下使用'+'而不是   '：'将本地的主机和端口分开   文件名，并使用'@'代替   '？'分隔查询部分   其余的文件名。   因此，将保存一个URL   如   “www.xemacs.org:4300/search.pl?input=blah”   在Unix模式下将保存为   “www.xemacs.org+4300/search.pl@input=blah”   在Windows模式下。这种模式是   在Windows上默认。

Answer 2

这在linux中存在问题，因为当我通过Apache提供镜像时，它不会区分4个生成的页面，因为questionmark（？）字符后面的部分被用作文件的查询字符串。

要在URL路径部分中包含问号，您可以将其转义：

www.example.com/index.html%3Fpage=about

- 转换链接应该为你做这个，我想 - 如果没有，可能是个错误。

Answer 3

请参阅--restrict-file-names=windows

Answer 4

这在linux中是有问题的，因为当我通过镜像服务时 Apache它不会区分4个生成的页面在使用questionmark（？）字符作为查询字符串之后的部分到文件。

如果已经很晚了，这个sed命令帮助了我：

find . -type f -name "*html*" -exec sed -i -r 's/(src|href)=(["\x27])(.*?)(\?)(.*?)\2/\1=\2\3%3F\5\2/g' {} +

它取代了吗？在href =或src =带有％3F的标签。（\ x27是单勾）

wget -k在Windows和Linux上以不同方式转换文件

4 个答案: