主页 / computer / 问题 / 1667299
Accepted
Joe Jobs
Asked: 2021-08-04 08:47:52 +0800 CST

多个域进入 wget --accept-regex？

  • 772

我想递归下载页面https://en.wikipedia.org/wiki/Main_Page，但只下载来自 upload.wikimedia.org 和 de.wikipedia.org 的文件

它通过使用以下命令来工作：

wget -H -r -l1 --accept-regex upload.wikimedia.org https://en.wikipedia.org/wiki/Main_Page
wget -H -r -l1 --accept-regex de.wikipedia.org https://en.wikipedia.org/wiki/Main_Page

我的问题是：是否可以在一个命令中组合两个域？像这样的东西：

wget -H -r -l1 --accept-regex de.wikipedia.org||upload.wikimedia.org https://en.wikipedia.org/wiki/Main_Page

其中“||” 意思是“或”

wget

1 个回答

  1. Best Answer

    通常--accept-regex使用 POSIX扩展正则表达式语法，其中单个 |用于替代分支。（如果您告诉 wget 使用 PCRE 语法，这同样适用，这是 POSIX ERE 的超集。）

    请注意，POSIX扩展正则表达式语法（由egrepor使用sed -E）不同于 POSIX基本正则表达式语法（由grepor使用sed）。例如，BRE\|用于替代分支和|文字管道符号，但 ERE 正好相反。括号和许多其他特殊字符也是如此，它们在 BRE 中必须以反斜杠为前缀，但在 ERE 中则不需要。

    无论如何，正则表达式看起来像这样：

    • de.wikipedia.org|upload.wikimedia.org

      (de|upload).wikimedia.org

    • 更正确（点在正则表达式语法中也很特殊）：

      de\.wikipedia\.org|upload\.wikimedia\.org

      (de|upload)\.wikimedia\.org

    请注意，该|字符在大多数交互式 shell 中是特殊的（它是管道运算符），因此需要引用包含它的任何参数：

    wget --accept-regex "(de|upload).wikimedia.org"
    • 1

相关问题