Faa sua busca

Assine

E-mail

SAC

Canais

HOME

RSS

Equipe

Busca

+ Home :. Artigos :. Tutoriais :. Dicas :. Anlises :. Guias :. Dicionrio :. Notcias + GDH Press :. Smartphones :. Linux :. Servidores :. Redes :. Hardware :. Promoes + Blog :. Manuteno :. Dicas e artigos :. Hospedagem :. Distribuies :. Mobilidade :. Gadgets + Frum GdH + Plos + Publique seu texto + RSS

Baixando sites inteiros com o wget

Dicas do Guia do Hardware
Muitas vezes voc encontra um site cheio de coisas interessantes, mas no dispe de tempo para ler on line na hora. Ou, encontra algo to importante que pretende guardar em CD ou DVD, para nunca perder. H programas que podem baixar os sites inteiros, sem que voc precise entrar e clicar em link por link. Existem vrios programas que se propem a isso, a maioria para Windows, normalmente pagos. Mas h muito tempo h uma outra soluo gratuita e aberta, muito conhecida pelos usurios de Linux: o wget.
Marcos Elias Pico 17/10/2007 Muitas vezes voc encontra um site cheio de coisas interessantes, mas no dispe de tempo para ler on line na hora. Ou, encontra algo to importante que pretende guardar em CD ou DVD, para nunca perder. A natureza dos sites da web no permitem isso. Voc entra, acessa um site e navega pela pgina. Se quiser outro contedo, deve clicar num link, ento o mesmo descarregado at a sua tela. Fica complicado, por exemplo, querer salvar um site inteiro no seu computador clicando nos links e salvando pgina por pgina. L vem a computao novamente, com sua rapidez e "inteligncia". Sim, inteligencia entre aspas porque as mquinas em si so burras, meros papagaios, como voc sabe s fazem aquilo que foi previamente programado. H programas que podem baixar os sites inteiros, sem que voc precise entrar e clicar em link por link. O que esses programas fazem seguir os links das pginas, deifinidos em HTML pela tag <a href=...>. No final do processo, voc pode ter todo o site ou vrias pginas e arquivos do seu

Anncios Google

Ganhe Cupom de R$ 100

Anuncie Grtis no Google AdWords Leve Mais Visitantes Para Seu Site www.cupomgoogleadwords.com.br

interesse. Existem vrios programas que se propem a isso, a maioria para Windows, normalmente pagos. Quase sempre o que se encontra so sharewares, que se limitam a funcionar por um perodo determinado ou baixam apenas um certo nmero de pginas, sendo liberados somente na verso completa. H um gratuito e open source, o HTTrack (WinHTTrack, na verso para Windows), bom e relativamente bastante usado, por ser fcil e bastante personalizvel. Mas h muito tempo h uma outra soluo gratuita e aberta, muito conhecida pelos usurios de Linux: o wget. O wget um programa criado inicialmente para o ambiente Unix/Linux, cujo objetivo principal baixar arquivos da internet. Ele pode ser usado em scripts, tornando a programao de diversas "aplicaes" bem mais fcil. Para felicidade de quem usa Windows, saiba que h uma verso portada dele para o Windows, que funciona exatamente da mesma forma da verso Unix. E para quem quer baixar sites inteiros ou vrias pginas, ele tambm tem esse recurso. De quebra, um programa bem pequenininho, operado via linha de comando, o que permite o uso fcil em scripts ou a criao de interfaces. Antes de comear, tenha em mente que baixar sites inteiros pode prejudicar os sites. Alm dos sites em si, essa tarefa que pode consumir muita banda de download deles, voc pode acabar prejudicando outros sites que estejam hospedados no mesmo servidor, especialmente se for um hospedeiro compartilhado - mesmo comercial. Muita gente no tem noo de que baixar sites de uma vez ou acessar excessivamente arquivos grandes pode ser prejudicial, e faz isso sem saber; bom que voc esteja consciente para no abusar.

Compre o seu
ou leia os captulos disponveis online

Obtendo o wget
Quase toda distribuio de Linux inclui ele. Caso no inclua, experimente instal-lo usando o gerenciador de pacotes da sua distribuio. Se voc usa Windows, pode baix-lo em:
[28/05] :. Resumo do dia [28/05] :. OLPC e Marvell se unem para desenvolver novo tablet XO-3 de 75 dlares [28/05] :. Intel lana novos Core i5 e i7 com clocks destravados [28/05] :. Responsvel pela interface do webOs deixa a Palm, e vai para a equipe do Android [27/05] :. Resumo do dia [27/05] :. Sony revela tela OLED extramente fina, que pode ser enrolada [27/05]

http://pages.interlog.com/~tcharron/wgetwin.html

O bsico do wget
Para baixar um arquivo com o wget, basta dar o comando wget seguido pelo caminho do arquivo na internet. Exemplo: wget http://www.umsitequalquer.com.etc/arquivo.zip E o arquivo ser baixado na pasta atual do prompt de comando. Caso o download seja interrompido (porque o computador trave, ou o usurio tecle CTRL + C no prompt), possvel recontinuar do ponto em que parou, caso o servidor suporte o recurso. Basta informar, antes da URL, o parmetro -c, e claro, usar a mesma pasta que contm o "pedao" anterior do arquivo: wget -c http://www.umsitequalquer.com.etc/arquivo.zip Muita gente usa o wget como gerenciador de downloads (no Linux), em vez de baixar os arquivos pelos navegadores. Ele no acelera os downloads (como fazem os "aceleradores de downloads", que abrem vrias conexes), mas permitir recontinuar do ponto em que parou muito til, especialmente para quem acessa com conexo lenta ou instvel, que cai toda hora.

:. Japoneses inventam disco de 25 TB feito a partir de xido de titnio [27/05] :. Pesquisador da Inglaterra afirma ser infectado com vrus de computador [27/05] :. Firefox Home for iPhone deve ser lanado em breve [26/05] :. Publicado KDE SC 4.5 beta 1 [26/05] :. Lanado MeeGo 1.0, principalmente para desenvolvedores [26/05] :. Resumo do dia [26/05] :. Nvidia anuncia GeForce GTX 480M: dedicada aos notebooks, e baseada na arquitetura Fermi [26/05] :. Intel desiste de vez do Larrabee, e se focar nos ncleos grficos integrados :. Mais noticias

Baixando sites inteiros

Passando o parmetro -r, ele baixar todos os arquivos encontrados no domnio. Cuidado, use com ateno e responsabilidade! Alm de poder atrapalhar o site, voc poder baixar muita coisa intil. A sintaxe seria: wget -r http://www.umsitequalquer.com.etc Ele seguir os links definidos em HTML, pela tag <a href...> nas pginas. Links em JavaScript ou em flash no sero reconhecidos, e as pginas no sero baixadas. No caso do JavaScript, quase impossvel um programa sair baixando tudo realmente, pois h vrias formas de se "programar" links em JavaScript. Por padro, o wget ignora os arquivos que o produtor do site pediu para ignorar, por meio de um arquivo especial, o "robots.txt". Esse arquivo serve para os motores de busca de sites de pesquisa; eles lem o arquivo e ficam sabendo para quais arquivos no devem seguir os links. Isso impede que o wget baixe determinados arquivos, arquivos esses que muitas vezes so justamente os que voc precisa. Para faz-lo ignorar os arquivos "robots.txt" e baixar tudo o que encontrar, basta usar o parmetro -erobots=off. Ficaria assim: wget -r -erobots=off http://www.umsitequalquer.com.etc Apesar de tecnicamente possvel, um meio no muito legal fazer isso. Essa opo -erobots=off no comentada em muitos lugares. Novamente alerto, use com responsabilidade ou quando precisar "mesmo", afinal no devemos ser contra a divulgao de informaes. Voc pode us-la, por exemplo, quando quiser baixar um arquivo linkado mas que no esteja disponvel para ser indexado pelos buscadores (via robots.txt), j que o wget o ignoraria. Uma dica para reduzir a quantidade de downloads baixar apenas arquivos de determinado tipo, por exemplo, apenas pginas HTML. Isso possvel com o parmetro -A, especificando a seguir o tipo de arquivo pela extenso. Veja: wget -r -A ".html" http://www.umsitequalquer.com.etc As pginas ASP, PHP, entre outras, sero convertidas em HTML pelo wget (at porque sero pginas j processadas quando o wget acess-las), ou seja, voc no precisar se preocupar em ficar digitando todas as extenses possveis para as pginas. Da mesma forma, fica fcil baixar todas as imagens: wget -r -A ".gif" http://www.umsitequalquer.com.etc ou wget -r -A ".jpg" http://www.umsitequalquer.com.etc Depende do que voc precisa. Dica direta para baixar sites inteiros: o wget possui o parmetro -m, ideal para fazer espelhamentos de sites (mirroring), onde ele j ativa as opes necessrias. Se seu objetivo fazer um mirror do site, pode ir direto ao ponto: wget -m http://www.umsitequalquer.com.etc Outra coisa a identidade do navegador. Alguns sites s oferecem o contedo ao verificarem que determinado navegador que est acessando a pgina (como o IE, por exemplo), e o wget no conseguiria acesso aos arquivos. Pode-se fingir a identidade de navegador com esse parmetro: --user-agent="Mozilla/4.0 (compatible; MSIE 6.0; Windows NT 5.0)" Colocando no texto entre aspas a identificao do navegador e sistema que voc quiser.

Pginas protegidas com senha

Pginas que exibem uma tela de login personalizada, via web mesmo, provavelmente no podero ser baixadas. Digamos que voc queira baixar todo o contedo do Orkut, ou de uma comunidade ou frum restrito. Ao acessar a pgina, vem uma pgina do site que pede o login e a senha. O wget pararia nela e se limitaria a pegar as pginas linkadas ela diretamente. No entanto, pginas que pedem senha diretamente pelo servidor, podem ser baixadas. Estas podem ser acessadas passando o nome e a senha diretamente na URL, com o wget no seria diferente: wget http://usuario:senha@servidor.com.etc/arquivo.etc Tambm pode ser usado para servidores FTP, bastando trocar o http:// por ftp://.

Outros parmetros importantes

Atravs de diversos parmetros podemos controlar melhor o donwnload dos arquivos. Eis alguns importantes: -t0 Nmero de vezes que ele deve tentar baixar um arquivo, caso no consiga. Definindo zero deixa configurado como "ilimitado", o que faz ele ficar tentando at conseguir baixar. Observe que deve-se deixar o nmero logo ao lado da letra "t", sem espao. bom us-lo mas com cuidado, num site com muitos arquivos e uma conexo ruim, voc pode ficar forando o download de vrios arquivos que nunca sero baixados, toa. Por precauo, defina um nmero menor, como -t3 ou -t5. -c Permite continuar downloads interrompidos, sem que ele precise baixar o que j foi baixado, incluindo pedaos de arquivos (e no apenas pginas). bom us-lo, principalmente quando no der tempo de baixar o que voc quer em uma nica vez. -np Ideal para baixar pginas de uma mesma rea de um site. Com o -np (no-parent) ele baixa apenas os arquivos da URL definida sem pegar a pasta pai dela. Por exemplo, utilize caso queira baixar o site http://www.site.com.etc/algumacoisa, mas no o contedo do http://www.site.com.etc (e sim apenas da pasta /algumacoisa). -T30 Define o timeout (limite de tempo) para 30 segundos. Quando ele fica espera do arquivo, em conexes lentas, esse parmetro orienta a refazer a conexo para puxar tal arquivo a cada 30 segundos, at conseguir. Observe a diferena que este em letra maiscula.

E os donos dos sites, como ficam?

Certamente no gostam nada nada disso. possvel aplicar alguns bloqueios diretamente no servidor (o que foge ao objetivo deste texto, alm do que variar muito dependendo do software de servidor utilizado), por exemplo, bloqueando IPs que

acessem vrias pginas por segundo (mais precisamente um nmero maior de bytes definido por voc), reduzir a velocidade, ou at mesmo banir o IP por um perodo. Mas no haver muito o que fazer para pginas em si. O pessoal d um jeito, afinal se pode ser acessado pelo navegador, poder ser baixado e salvo. Uma dica para evitar downloads automtico de arquivos grandes, poupando banda do servidor, usar um link definido em JavaScript. Praticamente nenhum programa copiador de sites identificaria o link, mas nos navegadores funcionaria normal. Estar com o JavaScript habilitado nos micros clientes hoje praticamente obrigatrio, no existe mais aquele papo de problemas de compatibilidade. Sendo assim, no se preocupe com o link em JavaScript, pois ele funcionar. A criao do link fica a seu critrio, evite colocar o nome do arquivo por inteiro. Um exemplo prtico: definindo uma funo na pgina: <script language=javascript> function BaixaCoisa(arq){ self.location.href = arq; } </script> E chamando a funo nos links assim: <a href="javascript:BaixaCoisa('/arquivo.iso');">Clique aqui para baixar o CD</a> Se preferir, pode complicar mais, mas dar mais "trabalho" para implementar. Exemplo (este coloque diretamente no local onde for ficar o link): <script language=javascript> document.write('<a href='); document.write('arquivo.zip'); document.write('>'); document.write('clique aqui');> document.write('</a>'); </script> Um outro meio um pouco mais complicado de implementar, aplicar CAPTHA, aquela verificao de letras e nmeros aleatrios em determinadas sees do site. O programa pra ali. Mas cuidado, a maioria dos sistemas no permitem o uso por deficientes visuais, o que prejudica legal a acessibilidade do seu site, especialmente se usar isso em reas essenciais. isso. Responsabilidade sempre! Comente em: http://www.guiadohardware.net/comunidade/dica-sites/793957/

Glossrio Open Source Mirroring Login Linux Processo Servidor Windows Web Tag T3 JPG ISO CD AT ASP (2) ASP + Download DVD Internet HTML GIF FTP ASP

Blog:
[27/05] [19/05] [10/05] [29/04] [17/04] [14/04] [31/03] :. :. :. :. :. :. :. Pr-venda do Hardware II, o Guia Definitivo Uma imagem diz mais do que mil palavras Novo Vaio P da Sony Phenom II X6: o six-core da AMD Athlon Neo e Pine Trail Notebooks: Processadores ULV e CULV Como funciona a memria RAM

Gostou do texto? Veja nossos livros impressos: Smartphones | Linux | Hardware Redes | Servidores ... ou encontre o que procura usando a busca:

Atualizaes
[28/05] Artigo: Guerra declarada no mundo da computao [28/05] Guia Jubarte de Telecomunicaes (atualizado) [27/05] Pr-venda do Hardware II, o Guia Definitivo [27/05] Artigo: Montagem de PCs: uma arte h muito tempo esquecida! [26/05] Artigo: Primeiras impresses do NimbleX 2010 (Beta) [25/05] Tutorial: O Atom e os netbooks, parte 1

[24/05] Artigo: Recursos matadores do OpenSolaris no Linux? [21/05] Artigo: Soquetes e encaixes, um resumo [20/05] Software no livre escondido na sua distribuio GNU/Linux [19/05] Artigo: Computao em nuvens: o que esperar deste conceito? [18/05] Tutorial: O ABC das placas 3D, parte 3 [17/05] Artigo: Apresentando o PCLinuxOS 2010 [14/05] Artigo: Primeiras impresses do CDlinux 0.9.6 [13/05] Os componentes essenciais para montar o PC desktop perfeito

Destaques
HDs: Copiando dados de mdias defeituosas Redes: Quebrando o WPA ou WPA2 Intel: Core i7, Core i5 e Core i3, parte 1 Usando o Windows Terminal Server (WTS) Entendendo a Internet sob rede eltrica Ser o fim da computao pessoal de propsito geral? Acesso mvel: Conectando via USB no Windows Klavaro, um programa-curso de digitao para Linux e Windows Iniciantes: Entendendo o DVD e o Blu-ray Smartphones: Nokia, srie E Hardware o Guia Definitivo, disponvel para leitura online

Receba as atualizaes diariamente por e-mail: Assine o RSS Veja todas as atualizaes... Add to Google

1999-2010 Guia d o Hard w are . T o d o s o s d ire ito s re se rvad o s. Livros de Carlos E. Morimoto Contato HOME