stahovani z webarchive.org

verified

(44 hodnocení)

4. 2. 2010 12:34:47

Potřeboval bych stáhnout jeden web, od kterého nemá kamarád zálohy a přišel o něj..

Zkoušel jsem jsem WGET -r ale to mi nešlo, stáhlo to vždy jen index a robots.txt

-l jsem dával 1,2,3 nebo 0 či bez.. A moc dobře mi to nešlo..

4. 2. 2010 12:34:47

https://webtrh.cz/diskuse/stahovani-z-webarchive-org#reply452111

verified

(10 hodnocení)

4. 2. 2010 12:57:35

A zkousel jsi se do toho souboru robots.txt podivat? Jestli to neni zakazano?

Wget defaultne respektuje tyto nastaveni.

4. 2. 2010 12:57:35

https://webtrh.cz/diskuse/stahovani-z-webarchive-org#reply452110

verified

(44 hodnocení)

4. 2. 2010 15:31:30

# robots.txt web.archive.org 2009-07-01

User-agent: *

Disallow: /web/1

Disallow: /web/2

Crawl-delay: 3

4. 2. 2010 15:31:30

https://webtrh.cz/diskuse/stahovani-z-webarchive-org#reply452109

verified

(10 hodnocení)

4. 2. 2010 15:41:59

4. 2. 2010 15:41:59

https://webtrh.cz/diskuse/stahovani-z-webarchive-org#reply452108

verified

(44 hodnocení)

4. 2. 2010 16:20:28

pokud zadm to wget -e robots=off tak to stahuje i CSS, JS a pod.. Ale bohužel ne další stranky..

Ono totiž adresa vypadá takto:

web.archive.org/web/20070502122202/http://subdomena.domena.cz/

Na te stránce je odkaz:

Tim padem je na to wget asi krátkej, protože se mění ta subdoména a wget stahuje rekurzivně (a nemění doménu) čili to spíš bude chtít něco mocnějšího než wget?

4. 2. 2010 16:20:28

https://webtrh.cz/diskuse/stahovani-z-webarchive-org#reply452107

verified

(10 hodnocení)

4. 2. 2010 16:48:54

Spis to bude chtit neco udelat s tim JavaScriptem na konci kazde stranky.

Vygoogloval jsem http://groups.google.com/group/comp.os.linux.help/msg/5b086b3500985efe -- treba to bude uzitecne, nezkousel jsem

4. 2. 2010 16:48:54

https://webtrh.cz/diskuse/stahovani-z-webarchive-org#reply452106

verified

(44 hodnocení)

4. 2. 2010 20:21:07

ten skript jsem zkoušel, bohužel tam je chybný parametr..

debian:~# wget --exclude-domains rail2000.org -e robots=off -nH --cut-dirs=2 --base=http://web.archive.org/web/20010202020600/http://www.rail2000.org/ -r -l 3 -N -k -p -R js -Gbase http://web.archive.org/web/20010202020600/www.rail2000.org/
wget: invalid option -- G
Usage: wget ... ...

Try `wget --help' for more options.

4. 2. 2010 20:21:07

https://webtrh.cz/diskuse/stahovani-z-webarchive-org#reply452105

verified

(13 hodnocení)

4. 2. 2010 20:27:23

co třeba "man wget"?

4. 2. 2010 20:27:23

https://webtrh.cz/diskuse/stahovani-z-webarchive-org#reply452104

Pro odpověď se přihlašte.

Prodej Více

Nabízím k prodeji e-shop s Kratomem či CBD

25 000 Kč

0 příhozů

Projekt, vize, spolupráce – ceskyfarmar.cz

29 000 Kč

0 příhozů

Eshop na digitální licence her (Know-How) 🎮🔥💎

1 100 Kč

1 příhoz

Dropshipping eshop se sportovními doplňky

69 000 Kč

0 příhozů

👀 Prodám satirickou, fanouškovskou FB stránku obrovským potenciálem 🔥

1 000 Kč

0 příhozů

Poptávky Více

Párování produktů a nastavení profilu pro Arukereso a Compari

Digitalizace loga

Správa kampaní na exoclick, trafficstars, trafficjunky, alt. Instagram pre AI companion

Pusher – nastavení na chat live

Nastavení reklamy FCB, Instagram

Pracovní nabídky Více

Práce z domu, Praha

Ostrava, Práce z domu

𝗧𝗲𝘀𝘁 𝗠𝗮𝗻𝗮𝗴𝗲𝗿

Práce z domu, Praha

Pětičlenný tým vývojářů na technologie .NET & React

Hledáme externí grafičku/grafika pro rodinnou firmu MycoMedica.cz

Hradec Králové

Nabídky Více

[OpenServis] Vyladěný PrestaShop hosting pro maximální rychlost běhu PS

Steam účet v hodnotě 5000 Kč na prodej 9 her za 1900 Kč (Diablo 4, Manor Lords, GTA5, Project Zomboid, Valheim, WARNO, Ixion, AEO 2, SIMS4)

Tvorba webových stránek a e-shopů

Nabídka programátorských služeb

Sportovnivozy.cz + Rajaut.cz + Rajveteranu.cz – bannery a články