Je veux télécharger un site Web entier en utilisant wget mais je ne veux pas que wget télécharge des images, des vidéos, etc.
j'ai essayé
wget -bqre robots=off -A.html example.com –user-agent=”Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.6) Gecko/20070725 Firefox/2.0.0.6″
mais quand je le fais, il ne télécharge pas les fichiers .php, télécharge simplement les fichiers statiques .html.
Existe-t-il une solution à ce problème avec wget?
Vous avez explicitement dit à wget de n'accepter que les fichiers ayant .htmlcomme suffixe.
En supposant que les pages php ont .php, vous pouvez le faire:
wget -bqre robots=off -A.html,.php example.com –user-agent=”Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.6) Gecko/20070725 Firefox/2.0.0.6″
Notez que cela va télécharger le HTML rendu, pas la source du php. Si la page est suffisamment dynamique, vous n'obtiendrez peut-être pas le résultat attendu.
Cependant, je suggère qu'un autre outil tel que httrack puisse faire un meilleur travail - cela dépend exactement de ce que vous devez faire.
-A prend une liste, donc -A.html, .php devrait convenir. Vous devriez également regarder dans -R (cela prend également une liste de rejet).
Oui, et c'est assez simple. Jetez un œil à cette réponse SO: /superuser/709702/how-to-crawl-using-wget-to-download-only-html-files-ignore-images-css-js
tl / dr; utiliser --follow-tags=aqui ne suivra que les abalises.