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

restream.cz – TOP doména pro oblíbené multistreaming služby

5 000 Kč

0 příhozů

Exkluzivní domény pro laserové svařování a laserové čištění

80 000 Kč

0 příhozů

BankovníÚčet.cz

15 000 Kč

0 příhozů

Exkluzivní doména pro umělou inteligenci

2 500 Kč

0 příhozů

objevujeme.cz – pěkná letní doména pro cestovatele, dobrodruhy, nebo pro nerdy všeho druhu…

3 990 Kč

0 příhozů

Poptávky Více

WordPress vývojáře

grafika pro mobilní square – seznam.cz

Nastavení visa direct na WISE

Crawling/Scraping webů

Remote vývojář

Pracovní nabídky Více

Konzultant informační a kybernetické bezpečnosti

Project Administrator – konektivita

Hledáme samostatného C# vývojáře!

75 000 - 120 000 Kč

Brno, Práce z domu

65 000 - 80 000 Kč

.NET vývojář

75 000 - 120 000 Kč

Nabídky Více

Kompletná Ebay podpora, Vytvorením profesionálny inzerát ktorý zaujme

Kompletní správa IT

PHP programátor – tvorba webů

Databáze firem a firemních kontaktů 2025

Léky, léčivé přípravky