Estou a tentar descarregar um directório completo do website usando CURL. O seguinte comando não funciona:
curl -LO http://example.com/
Devolve um erro: curl: Remote file name has no length!.
mas quando o faço: curl -LO http://example.com/someFile.type funciona. Alguma ideia de como descarregar todos os ficheiros no directório especificado? Obrigado.
O HTTP não tem realmente uma noção de directórios. Os cortes para além dos três primeiros (http://example.com/) não têm qualquer significado especial, excepto no que diz respeito aos .. em URLs relativos. Assim, a menos que o servidor siga um formato particular, não há forma de “descarregar todos os ficheiros no directório especificado”.
Se quiser descarregar todo o sítio, a sua melhor aposta é atravessar recursivamente todos os links da página principal. O Curl não o pode fazer, mas o wget pode. Isto funcionará se o site não for demasiado dinâmico (em particular, wget não verá ligações que são construídas por código Javascript). Comece com wget -r http://example.com/, e procure em “Recursive Retrieval Options” e “Recursive Accept/Rejeit Options” no manual do wget para opções mais relevantes (profundidade de recursividade, listas de exclusão, etc.).
Se o website tentar bloquear downloads automáticos, poderá ser necessário alterar a string de agente de utilizador (-U Mozilla), e ignorar robots.txt (criar um ficheiro vazio example.com/robots.txt e utilizar a opção -nc para que o wget não tente fazer o download a partir do servidor).
Isto não é possível. Não existe uma forma padrão, geralmente implementada, para um servidor web lhe devolver o conteúdo de um directório. A maioria dos servidores gera um índice HTML de um directório, se configurado para o fazer, mas esta saída não é padrão, nem garantida por qualquer meio. Poderá analisar este HTML, mas tenha em mente que o formato irá mudar de servidor para servidor, e nem sempre será activado.
Poderá encontrar aqui uma utilização para um rasgador de sítios web, isto irá descarregar tudo e modificar os conteúdos/links internos para uso local. Uma boa ligação pode ser encontrada aqui: http://www.httrack.com