wgetでサイトダウンロード時のトラブル

質問

サイトまるごとダウンロードしようと思い（自己サーバ、自己コンテンツ）

wget -r -l 0 http://example.com

しましたが、どうも行儀悪いCMSで書きだされているHTMLらしく
<img src=1234
.jpg>

のように画像タグ途中に改行が入っており
wget は改行も含めたURLに画像を取りに行くためNOT FOUNDなります。

何かしら良い手は無いでしょうか？

回答No.2

notnot · ベストアンサー

wgetでは無理です。

自分でプログラムを書くことになります。
他人にプログラムを書いてもらうことを求めるのであれば、質問文には情報が不足しています。
目的のサイトのURLを書きましょう。

あるいは、HTML自体は得られると思うので、エディタで編集して目的の画像のURLを抽出すれば良いのではないでしょうか。これだとプログラムを書くスキルが無くても、エディタを使うスキルがあれば十分可能です。

お礼

wgetのオプションでは無理なんですね。

それでは自分で組みます。
ありがとうございます。

回答No.1

vaidurya

逆に、それはダウンロード志向に対しての
ささやかな難ダウンロード化仕様のようにも見えますよ

ダウンロードする必要が無いものはダウンロードしない
ダウンロードする価値があるなら
見合うコストをかけることになると思います。

簡単に言えば、HTMLはマシンリーダブルなので
整形してwgetに渡すこと自体は難しく無いはずですよ。

お礼

>>ささやかな難ダウンロード化仕様のようにも見えますよ

いへ意図していないバグです・・・

>>整形してwgetに渡すこと自体は難しく無い

私には難しいので質問サイトで質問させていただいております。