Dotaz: httrack - kompletni kopie webu

[Petr]

Zdravim

Je jisty web, jehoz clanky jsou mi utechou i inspiraci. Vloni jeho autor prestal web udrzovat. Zanedlouho zjisti, ze ho domena a hosting stoji penize, a vsechno smaze

Rad bych si web zkopiroval pro svoji osobni potrebu. Je na nem necela stovka clanku a par desitek obrazku. Presto bych to chtel udelal nejak citlive

Urcite se do toho pustim v nocnich hodinach. Ale jeste me napadlo: nema httrack nejaky parametr, ktery by vkladal nahodne dlouhou prodlevu pred stazenim dalsiho souboru? V man strance jsem nenasel nic. Klidne to budu tahat pomalicku a tyden

Soubor robots.txt jsem v korenovem adresari webu nenasel, tak snad by se mohlo stahnout vsechno?

Jak byste postupovali vy?

Dekuji

Odpovědi

[NN]

Podle manualu nema. Pouzil bych wget s parametrem -w(wait), nebo --random-wait.

[Petr]

Ahaa! Tak tam jsem ten parametr videl...

Diky!

To je muj odveky problem. Vzdycky upnu na jedno reseni a prestanu videt okolo

Google poradil tento postup:

wget --mirror \
     --convert-links \
     --adjust-extension \
     --page-requisites \
     --no-parent \
     --wait=30 \
     --random-wait \
     --execute robots=off \
       http://example.org

Jeste jednou diky a mejte se!

[Peter Golis]

Radšej by som odporučil nakontaktovať sa na vlastníka/správcu daného webu, a prejednať to s ním. Ak je ten web totižto dynamicky generovaný, tak jeho mirroring môže vykonať paseku. Špeciálne, ak má spoplatnené využitie.

[Petr]

Dekuji

To je pravda. Nastesti ale to neni tenhle pripad

Jedna se pouze o staticke *.htm stranky. Podle pripony i zdrojaku jde poznat, ze borec je "ze stare skoly"