Início / unix / Perguntas / 498111
Accepted
aborruso
Asked: 2019-02-02 03:04:59 +0800 CST

Como salvar um recurso da web, aplicando decodificação a caracteres codificados em URL?

  • 772

Eu gostaria de salvar este arquivo com esta URL " http://pti.regione.sicilia.it/portal/page/portal/PIR_PORTALE/PIR_LaStrutturaRegionale/PIR_AssessoratoEconomia/PIR_DipBilancioTesoro/PIR_Areetematiche/PIR_ServizioStatistica/PIR_1839271.4501140784/PIR_idatidellaSi %20settore%20sanit%E0.csv " usando seu nome de origem, mas salvando-o aplicando a decodificação aos caracteres codificados de URL que possui.

O nome que temos na URL é spesa%20del%20settore%20sanit%E0.csv, gostaria de convertê-lo programaticamente em spesa del settore sanità.csv. No nome da fonte temos %20que é um espaço e %E0que é à.

Como fazer essa conversão de nome?

Eu poderia criar uma lista de pesquisa e substituição a partir desta tabela , mas imagino que exista um utilitário, uma biblioteca que possa fazer isso por mim. No entanto, não encontro uma maneira adequada de fazer isso usando simplesmente wget ou curl.

obrigada

filenames curl

2 respostas

  1. Mais geralmente do que apenas wget:

    A unvisferramenta faz isso, com a -hopção de especificar a codificação percentual. (As versões OpenBSD e MacOS da ferramenta não possuem isso, note.)

    Seu nome codificado por porcentagem não está em UTF-8, aviso.

    % printf '%s' 'spesa%20del%20settore%20sanit%E0.csv' | unvis -h | hexdump -C
00000000 73 70 65 73 61 20 64 65 6c 20 73 65 74 74 6f 72 |spesa del settor|
00000010 65 20 73 61 6e 69 74 e0 2e 63 73 76 |e sanit..csv|
0000001c
% printf '%s\n' 'spesa%20del%20settore%20sanit%E0.csv' | unvis -h | iconv -f latin1
spesa del settore sanità.csv
%

    Leitura adicional

    • unvis. Manual de Comandos Gerais do FreeBSD . 2010-11-27.
    • unvis. Manual de Comandos Gerais do OpenBSD . 2013-08-12.
    • 2
  2. Best Answer

    Se o seu Wget for construído com suporte a IRI, ele lidará com esse caso automaticamente.

    Dê uma olhada no seu wget --version. O meu mostra isso:

    GNU Wget 1.20.1.7-5dce-dirty built on linux-gnu.

-cares +digest +gpgme +https +ipv6 +iri +large-file +metalink +nls 
+ntlm +opie +psl +ssl/gnutls

    A parte importante para você aqui é o +iri. A maioria das distribuições deve compilá-lo com o IRI habilitado por padrão.

    EDIT: Parece que o servidor neste caso envia o nome do arquivo codificado em latin-1. Enquanto a suposição padrão é sempre utf-8. Idealmente, o servidor deve enviar um Content-Dispositioncabeçalho para mencionar isso. No entanto, pode ser tratado pelo Wget se você passar a --remote-encoding=latin1opção para ele.

    • 1

relate perguntas