Início / computer / Perguntas / 1492075
Accepted
political science
Asked: 2019-10-15 02:19:38 +0800 CST

arquivo wget obtém texto neol convertido como obter o arquivo correto

  • 772

Este é um arquivo que preciso obter para uma atribuição pg100.txt disponível em https://www.gutenberg.org/cache/epub/100/pg100.txt Eu faço login em uma máquina Linux ssh user@machine

wget https://www.gutenberg.org/cache/epub/100/pg100.txt

Eu recebo o arquivo, mas o arquivo que recebo é um texto ilegível. Eu quero saber 1) Como posso obter o arquivo de texto correto 2) Por que o texto é ilegível quando faço um wget, ele abre normalmente no navegador. Eu entro no servidor remoto (CentoS7) da minha máquina Windows 10 via putty.

Tentei perguntar no SO, mas o bot me redirecionou para cá. Se este não for o lugar certo para perguntar, deixe-me saber onde perguntar.

ssh putty

1 respostas

  1. Best Answer

    Os servidores da Web fornecem informações sobre o corpo da resposta no cabeçalho da resposta.

    Para ver apenas o cabeçalho, podemos executar:

    $ wget --spider --server-response https://www.gutenberg.org/cache/epub/100/pg100.txt  
Spider mode enabled. Check if remote file exists.
--2019-10-14 09:13:55--  https://www.gutenberg.org/cache/epub/100/pg100.txt
Resolving www.gutenberg.org (www.gutenberg.org)... 152.19.134.47
Connecting to www.gutenberg.org (www.gutenberg.org)|152.19.134.47|:443... connected.
HTTP request sent, awaiting response... 
  HTTP/1.1 200 OK
  Server: Apache
  Content-Location: pg100.txt.utf8.gzip
  Vary: negotiate
  TCN: choice
  Last-Modified: Sun, 01 Oct 2017 05:16:47 GMT
  X-Frame-Options: sameorigin
  X-Connection: Close
  Content-Type: text/plain; charset=utf-8
  Content-Encoding: gzip
  X-Powered-By: 1
  Content-Length: 2023394
  Date: Mon, 14 Oct 2019 13:13:55 GMT
  X-Varnish: 1859043781 1856607983
  Age: 104391
  Via: 1.1 varnish
Length: 2023394 (1.9M) [text/plain]
Remote file exists.

    Depois de ver que o conteúdo está realmente compactado com gzip, podemos usar o gunzip para descompactá-lo:

    $ wget -O - https://www.gutenberg.org/cache/epub/100/pg100.txt | gunzip -c > pg100.txt

    Quando a página for exibida em um navegador moderno, você descobrirá que o navegador fez esse trabalho para nós.

    • 1

relate perguntas