1

我正在尝试下载以下站点http://computerone.altervista.org的某些页面,仅用于测试...</p>

我的目标是只下载匹配以下模式“ *JavaScript*”和“ *index*”的页面。

实际上,如果我尝试以下选项

wget \
-A "*Javascript*, *index*" \
--exclude-domains http://computerone.altervista.org/rss-articles/ \
-e robots=off \
--mirror -E -k -p -np -nc --convert-links  \
--wait=5 -c  \
http://computerone.altervista.org

它的工作原理期望它也尝试下载http://computerone.altervista.org/rss-articles/

我的问题是:

  1. 为什么它试图下载http://computerone.altervista.org/rss-articles/页面?
  2. 我应该如何避免它?我尝试--exclude-domains http://computerone.altervista.org/rss-articles/了选项,但它尝试下载它

PS:
查看我得到的源页面:

<link rel="alternate" type="application/rss+xml" title="RSS 2.0" href="rss-articles/" />
4

1 回答 1

2

wget -p下载所有页面要求:

男人 wget:

为了结束这个话题,值得知道 Wget 的外部文档链接的想法是在<A>标签、 <AREA>标签或<LINK><LINK REL="stylesheet">.

排除rss-articles使用-X--exclude-directories

wget -A "*Javascript*, *index*" -X "rss-articles" -e robots=off --mirror -E -k -p -np -nc -c http://computerone.altervista.org

于 2012-12-25T10:17:38.750 回答