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

Vários domínios em wget --accept-regex?

  • 772

Quero baixar, recursivamente, a página https://en.wikipedia.org/wiki/Main_Page , mas apenas os arquivos de upload.wikimedia.org e de.wikipedia.org

Ele funciona usando estes comandos:

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

Minha pergunta é: é possível combinar dois domínios em um único comando? Algo assim:

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

onde "||" significa "OU"

wget

1 respostas

  1. Best Answer

    Normalmente usa a sintaxe --accept-regexPOSIX Extended Regular Expression , onde um single | é usado para ramificações alternativas. (O mesmo se aplica se você disser ao wget para usar a sintaxe PCRE, que é um superconjunto de POSIX ERE.)

    Observe que a sintaxe regexp estendida POSIX (usada por egrepou sed -E) é diferente da sintaxe regexp básica POSIX (usada por grepou sed). Por exemplo, BRE usa \|para ramificações alternativas e |para um símbolo de barra literal, mas ERE faz exatamente o oposto. O mesmo vale para parênteses e muitos outros caracteres especiais que precisam ser prefixados com barra invertida no BRE, mas não no ERE.

    Em qualquer caso, o regexp ficaria assim:

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

      (de|upload).wikimedia.org

    • Mais correto (os pontos também são especiais na sintaxe regex):

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

      (de|upload)\.wikimedia\.org

    Observe que o |caractere é especial na maioria dos shells interativos (é o operador pipe ), portanto, qualquer parâmetro que o contenha precisa ser citado:

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

relate perguntas