☰

Como criar diretórios contendo index.html com wget --recursive?

tag-icon • tag-icon wget recursive
Como criar diretórios contendo index.html com wget --recursive?

Estou muito feliz como wget -rfunciona e baixa as coisas.

Eu configurei um servidor localhost que atende um site e as páginas ficam assim:

http://localhost:8080/
http://localhost:8080/foo
http://localhost:8080/bar
http://localhost:8080/blog/
http://localhost:8080/blog/1-and-here-the-slug

Quando eu uso wget -r localhost:8080ele cria a seguinte estrutura:

.
├── static-files
│   └── ...
├── bar
├── blog
│   └── 1-and-here-the-slug
├── foo
└── index.html

bar, foo e 1-and-here-the-slugsão arquivos. Quero que sejam diretórios com um único arquivo, nomeados index.htmle ainda sem quebrar os caminhos para os recursos (CSS, JS etc).

Espero algo assim:

.
├── static-files
│   └── ...
├── bar
│   └── index.html
├── foo
│   └── index.html
├── blog
│   ├── index.html // <---------- Also I want this one here to show the blog
│   └── 1-and-here-the-slug
│       └── index.html
└── index.html

Como eu posso fazer isso?

Responder1

http://localhost:8080/blog/1-and-here-the-slug

bar, foo e 1-and-here-the-slug são arquivos. Quero que sejam diretórios com um único arquivo, denominado index.html e ainda sem quebrar os caminhos para os recursos (CSS, JS etc).

├── blog
│   └── 1-and-here-the-slug
│       └── index.html

Quando você acessa http://localhost:8080/blog/1-and-here-the-slugo diretório atual é blog, se você renomear essa página para ser blog/1-and-here-the-slug/index.html, seu novo diretório atual seria blog/1-and-here-the-slug. Então você quebrará os caminhos relativos dentro do recurso (CSS, JS), se houver. Enão há como resolver esta questão sem modificar o HTML interno dos arquivos.

A melhor coisa que você pode fazer é renomear arquivos sem qualquer extensão para ter a extensão html.

├── blog
│   └── 1-and-here-the-slug.html
  1. Mantendo o mesmo diretório, você pode usar o renamecomando recursivamente:

Ex:

  find tmp -type f ! -name '*.*' | rename -nv 's/(.*)/$1.html/'
  1. Você pode criar novos diretórios, mas isso quebraria os recursos relativos, se houver

Ex:

  find tmp -type f ! -name '*.*' | while read file; do
       mv $file $file.tmp;
       mkdir $file;
       mv $file.tmp $file/index.html;
 done

Você pode brincar inserindo a <base href="">tag no arquivo para especificar o bom caminho para os recursos, mas isso será muito trabalhoso e caro

  1. **Ou melhor, use o -Eparâmetro wget

EDIT: ler wgeta página de manual oferece duas opções maravilhosas

  -E
  --adjust-extension
       If a file of type application/xhtml+xml or text/html is downloaded
       and the URL does not end with the regexp \.[Hh][Tt][Mm][Ll]?, this option
       will cause the suffix .html to be appended to the local filename. 

  -k
   --convert-links
       After the download is complete, convert the links in the document to
       make them suitable for local viewing.  This affects not only the visible
       hyperlinks, but any part of the document that links to external content, 
       such as embedded images, links to style sheets, hyperlinks to non-
       HTML content, etc.

informação relacionada