8

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。?

4

3 回答 3

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。

编辑:根据sunsite.univie.ac.at ,“.pdf”中的点是错误的

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