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

Prodej domény sadrokartony.eu – stavební služby, e-shop – od 4 000 Kč

4 000 Kč

0 příhozů

MathKing.cz | Matematická hra | v.2

4 900 Kč

0 příhozů

Predaj katalógu/vyhladávača weboko.sk

30 000 Kč

0 příhozů

Prodám doménu prodej-parfemy.cz

5 000 Kč

0 příhozů

Web na sběr kontaktů – keycapital.cz – doména, hosting, https, emaily, obsah

4 990 Kč

0 příhozů

Poptávky Více

kupim instagram účty

Komplexní dodávka a implementace ekonomického informačního systému s elektronickým workflow

Služby systémového integrátora

Vývoj na platformě API GW WSO2

Scraping ponuky vozidiel z internetového autobazáru na webovú stránku klienta

Pracovní nabídky Více

Práce z domu, Praha

Lead Insight Analyst

Práce z domu, Praha

Mobilní vývojář pro Android – Kotlin / Java

Linux Administrator

Nabídky Více

Newsletter pro Váš web/eshop za bezkonkurenční cenu

Rýchle a spoľahlivé kódovanie do HTML/CSS

💡 Hledáte spolehlivého vývojáře pro webové systémy na míru?

✅ AKTUÁLNĚ: Hledáme parťáka/parťačku na dohazování webových zakázek

💻 Profesionální tvorba WordPress webů, e-shopů a UI/UX design. NEJLEPŠÍ CENA/VÝKON 🚀