Wget：不带查询字符串的文件名

Question

我想从文件下载网页列表。如何阻止 Wget 将查询字符串附加到保存的文件上？

wget http://www.example.com/index.html?querystring

我需要将其下载为

index.html

，而不是

index.html?querystring

Answer 1

有-O选项：

wget -O file.html http://www.example.com/index.html?querystring

因此您可以稍微更改脚本以将正确的文件名传递给

-O

参数。

Answer 2

我最终放弃使用

-O

并将其包装在 bash 函数中以使其更容易。 我把它放在我的

~/.bashrc

文件中：

wget-rmq ()
{
  [ -z "$1" ] && echo 'error: wget-rmq requires a URL to retrieve as the first arg'
  local output_filename="$(echo $1 | sed 's/?.*//g' | sed 's|https.*/||g')"
  wget -O "${output_filename}" "${1}"
}

然后当我想下载文件时：

wget-rmq http://www.example.com/index.html?querystring

替换正则表达式相当简单。 如果在查询字符串开始之前 URL 中出现任何

?

，那么它将中断。 实际上，这种情况并未发生，因为 URL 编码要求

?

在 URL 中为

%3F

，但我想指出这种可能性。

Answer 3

如果服务器表现良好并在标头中指定了名称，则可以使用：

wget --content-disposition "$some_url_here"

或者，与

curl

相同：

curl -OJ "$some_url_here"