以下没有奏效。
wget -r -A .pdf home_page_url
它停止并显示以下消息：
....
Removing site.com/index.html.tmp since it should be rejected.
FINISHED
我不知道为什么它只在起始 url 中停止，不要进入其中的链接来搜索给定的文件类型。
递归下载网站中所有 pdf 文件的任何其他方式。?
问问题
13562 次
3 回答
1
它可能基于 robots.txt。尝试添加-e robots=off.
其他可能的问题是基于 cookie 的身份验证或 wget 的代理拒绝。 请参阅这些示例。
于 2013-08-16T13:39:05.683 回答
1
以下 cmd 适用于我，它将下载网站的图片
wget -A pdf,jpg,png -m -p -E -k -K -np http://site/path/
于 2015-06-03T06:27:18.237 回答
0
这肯定是因为 HTML 中的链接不以 / 结尾。
如果 Wget 认为它是一个文件（但与您的过滤器不匹配），则不会遵循这一点：
<a href="link">page</a>
但会遵循这个：
<a href="link/">page</a>
您可以使用该--debug选项来查看它是否是实际问题。
我不知道有什么好的解决方案。在我看来，这是一个错误。
于 2019-12-05T00:02:13.773 回答