pdf - wget 仅从网站下载 PDF

Question

我正在尝试从 http://www.fayette-pva.com/ 下载所有 PDF .

我认为问题在于，当将鼠标悬停在下载 PDF 的链接上时，chrome 会在左下角显示 URL，而没有 .pdf文件扩展名。我看到并使用了另一个与此类似的论坛答案，但 .pdf将光标悬停在 PDF 链接上时，扩展名用于 URL。我已经尝试了下面链接中的相同代码，但它没有选择 PDF 文件。

这是我一直在测试的代码:

wget --no-directories -e robots=off -A.pdf -r -l1 \
    http://www.fayette-pva.com/sales-reports/salesreport03-feb-09feb2015/

我在一个页面上使用它，我知道它上面有一个 PDF。

完整的代码应该是这样的

wget --no-directories -e robots=off -A.pdf -r http://www.fayette-pva.com/

相关答案: WGET problem downloading pdfs from website

我不确定下载整个网站是否有效，以及它是否不会花很长时间。我如何解决这个问题并只下载 PDF？

Answer 1

是的，问题正是您所说的:URL 不包含常规或绝对文件名，而是对脚本/servlet/... 的调用，它分发实际文件。

解决方法是使用 --content-disposition选项，它告诉 wget以纪念 Content-Disposition HTTP 响应中的字段，其中包含实际文件名:

HTTP/1.1 200 OK
(...)
Content-Disposition: attachment; filename="SalesIndexThru09Feb2015.pdf"
(...)
Connection: close

wget 支持此选项至少从版本 1.11.4 起，已经7岁了。

因此，您将执行以下操作:

wget --no-directories --content-disposition -e robots=off -A.pdf -r \
    http://www.fayette-pva.com/