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

Prémiová třípísmenná doména MZP.sk (historie od 2007)

1 399 Kč

0 příhozů

warszawa.cz PA47 DA 30

1 499 Kč

0 příhozů

Predám e-shop SK/CZ „eskalepky.sk“ – autodoplnky / bez konkurencie

2 400 €

0 příhozů

superherba.cz

10 000 Kč

0 příhozů

Prodej hotového funnelu na digitální produkt

7 000 Kč

0 příhozů

Poptávky Více

🚀 Hledám společníka pro startup s milionovým potenciálem

Vývoj platformy pro zpracování účetnictví a daní

Poptávám: opravu webu, správu reklam na Google ads

Parťák pro rozjezd podnikání

Projekt pro přepis aplikace do .NET 9.0/10.0 Razor pages

Pracovní nabídky Více

Hledáme školitele pro Kyberbezpečnost a Umělou inteligenci (AI)

Olomouc, Opava, Ostrava, Pardubice, Plzeň, Praha, Ústí nad Labem, Zlín

Práce z domova: Hledá se podpora chatu

IT koordinátor

90 000 - 100 000 Kč

Full-stack developer Python/React pro významný zahraniční projekt

Práce z domu, Praha

Správce e-shopu za % z prodeje

Nabídky Více

Migrácie WP a nastavenie AI asistentov (zapier, make, makro v exceli a pod.)

Správa Google Business profilu – vytvořím vám bezplatný audit.

programátor – PHP

✅🔥 VIP UX/UI designér 🔥✅ – *SENIOR* Tvorba designu webů, portálů, e-shopů a aplikací na míru. ⭐️

Reklama na místě které vidí měsíčně desítky milionů lidí? Pomůžu vám dostat se mezi lidi!