☰

faça com que o wget se refira a uma cópia local sem baixar arquivos redundantes

tag-icon • tag-icon wget
faça com que o wget se refira a uma cópia local sem baixar arquivos redundantes

Quero arquivar um quadro de mensagens, faço isso usando wget com os parâmetros : --page-requisites,, --span-hostse .--convert-links--no-clobber

O problema é que o uso --convert-linksdesabilita o --no-clobber. para cada página de tópico, o wget baixa novamente skins, scripts e ícones do site (com o propósito de mantê-los atualizados).

Existe uma maneira de evitar que o wget baixe arquivos que já existem localmente, encaminhe links de arquivos para suas cópias locais e baixe apenas arquivos que ainda não estão no sistema de arquivos?

Responder1

Acredito que se você incluir a opção, -Nisso forçará wgeto uso de carimbos de data/hora.

   -N
   --timestamping
       Turn on time-stamping.

Com essa opção, wgetapenas baixará arquivos que ainda não possui localmente.

Exemplo

Baixe onde o arquivo robots.txtainda não existe localmente.

$ wget -N http://google.com/robots.txt
--2014-06-15 21:18:16--  http://google.com/robots.txt
Resolving google.com (google.com)... 173.194.41.9, 173.194.41.14, 173.194.41.0, ...
Connecting to google.com (google.com)|173.194.41.9|:80... connected.
HTTP request sent, awaiting response... 301 Moved Permanently
Location: http://www.google.com/robots.txt [following]
--2014-06-15 21:18:17--  http://www.google.com/robots.txt
Resolving www.google.com (www.google.com)... 173.194.46.83, 173.194.46.84, 173.194.46.80, ...
Connecting to www.google.com (www.google.com)|173.194.46.83|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: unspecified [text/plain]
Saving to: ‘robots.txt’

    [ <=>                                                                                                                                 ] 7,608       --.-K/s   in 0s      

2014-06-15 21:18:17 (359 MB/s) - ‘robots.txt’ saved [7608]

Tentando uma segunda vez com o arquivo robots.txtlocalmente:

$ wget -N http://google.com/robots.txt
--2014-06-15 21:18:19--  http://google.com/robots.txt
Resolving google.com (google.com)... 173.194.41.8, 173.194.41.9, 173.194.41.14, ...
Connecting to google.com (google.com)|173.194.41.8|:80... connected.
HTTP request sent, awaiting response... 301 Moved Permanently
Location: http://www.google.com/robots.txt [following]
--2014-06-15 21:18:19--  http://www.google.com/robots.txt
Resolving www.google.com (www.google.com)... 173.194.46.82, 173.194.46.83, 173.194.46.84, ...
Connecting to www.google.com (www.google.com)|173.194.46.82|:80... connected.
HTTP request sent, awaiting response... 200 OK
Length: unspecified [text/plain]
Server file no newer than local file ‘robots.txt’ -- not retrieving.

Observe que na 2ª vez, wgetnão recuperou o arquivo novamente.

informação relacionada