Estou tentando baixar um site inteiro wgetassim:
wget -r http://whatever/
wget -m http://whatever/
Mas só baixa as páginas com texto, sem imagens. Como posso baixar as páginas com texto e imagens? O que estou perdendo aqui?
Responder1
O wgetcomando que você precisará usar é muito mais extenso, conforme explicado abaixo. Dessa forma, você pode querer enviá-lo para um arquivo como wholesite.sh, torná-lo um executável e executá-lo. Ele criará um diretório com a URL e subdiretórios dos ativos do site, incluindo imagens, js, css, etc.
wget \
--recursive \
--level 5 \
--no-clobber \
--page-requisites \
--adjust-extension \
--span-hosts \
--convert-links \
--restrict-file-names=windows \
--domains yoursite.com \
--no-parent \
yoursite.com
Explicação
--recursive Isso especifica quantos subdiretórios de ativos do site você deseja recuperar (já que ativos como imagens geralmente são mantidos em subdiretórios do site). A profundidade máxima padrão para pesquisar ativos é de 5 subdiretórios. Você pode modificar isso com a levelbandeira logo abaixo.
--level 5Pesquise ativos em 5 subdiretórios. Eu recomendo aumentar ou diminuir isso se o site de destino for maior ou menor, respectivamente.
--no-clobber Não sobrescreva os arquivos existentes.
--page-requisites faz com wgetque baixe todos os arquivos necessários para exibir corretamente uma determinada página HTML que incluiimagens, css, js, etc.
--adjust-extension Preserva extensões de arquivo adequadas para .html, .css e outros ativos.
--span-hosts Inclua também os ativos necessários externos.
--convert-links Atualize os links do site para funcionarem como arquivos em subdiretórios em sua máquina local (para visualização local).
--restrict-file-names=windows Modifique os nomes dos arquivos para funcionarem no Windows também, caso você esteja usando este comando em um sistema Windows.
--domains yoursite.com Não siga links fora deste domínio.
--no-parent Não siga links fora do diretório que você passou.
yoursite.com# O URL para download