如何使用wget下载而无需遵循带有参数的链接

我正在尝试下载两个站点以包含在CD中：

http://boinc.berkeley.edu/trac/wiki
http://www.boinc-wiki.info

我遇到的问题是这些都是Wiki。所以当用例如下载时：

wget -r -k -np -nv -R jpg,jpeg,gif,png,tif http://www.boinc-wiki.info/

我确实得到了很多文件，因为它也跟随着诸如...？action = edit ...？action = diff＆version = ...之类的链接。

有人知道解决这个问题的方法吗？

我只想要当前页面，没有图像，没有差异等。

PS：

wget -r -k -np -nv -l 1 -R jpg,jpeg,png,gif,tif,pdf,ppt http://boinc.berkeley.edu/trac/wiki/TitleIndex

这为伯克利工作，但boinc-wiki.info仍然给我带来麻烦：/

PPS：

我得到了与以下内容最相关的页面：

wget -r -k -nv  -l 2 -R jpg,jpeg,png,gif,tif,pdf,ppt http://www.boinc-wiki.info

wget --reject-regex '(.*)\?(.*)' http://example.com

（--reject-type posix默认情况下）。wget根据其他评论，该功能仅适用于最新（> = 1.14）版本。

请注意，似乎--reject-regex每个wget呼叫只能使用一次。也就是说，|如果要选择多个正则表达式，则必须使用单个正则表达式：

wget --reject-regex 'expr1|expr2|…' http://example.com

wget的文档说：

还要注意，查询字符串（以问号（'？'开头的URL末尾的字符串）不作为接受/拒绝规则的文件名的一部分，即使这些实际上有助于选择的名称。预期Wget的未来版本将提供允许与查询字符串匹配的选项。

似乎该功能已经存在了一段时间，并且什么也没做。

我没有使用过它，但是httrack看起来比wget具有更强大的过滤功能集，并且可能更适合您要查找的内容（有关过滤器的信息，请参见http://www.httrack.com/html /fcguide.html）。

新版本的wget（v.1.14）解决了所有这些问题。

您必须使用new选项--reject-regex=....来处理查询字符串。

请注意，我找不到包含这些新选项的新手册，因此您必须使用help命令 wget --help > help.txt

Pavuk应该能够做到：

http://pavuk.sourceforge.net/man.html#sect39

Mediawiki示例：

[...]

-skip_url_pattern'oldid =，action = edit，action = history，diff =，limit =， [/ =] User：，[/ =] User_talk：，[^ p] / Special：，= Special：[^ R]，.php / Special：[^ LUA] [^ onl] [^ nul]， MediaWiki ：、搜索：，帮助： '

[...]

看来您正在尝试避免下载MediaWiki的特殊页面。一旦避开index.php页面，我就解决了这个问题：

wget  -R '*index.php*'  -r ... <wiki link>

但是，Wiki使用的是Wikipedia（http://<wiki>/en/Theme）中的URL，而不是我在其他地方（http://<wiki>/index.php?title=Theme）中看到的模式。由于您提供的链接使用的是Wikipedia模式中的URL，因此我认为该解决方案也可以为您工作。

'-R rejlist --reject rejlist'指定以逗号分隔的文件名后缀或格式列表，以接受或拒绝（请参阅文件类型）。请注意，如果任何通配符'*'，'？'，'['或']'出现在acclist或rejlist的元素中，它将被视为模式，而不是后缀。

模式可能就是您想要的。我不确定模式的复杂程度，但是您可以尝试仅接受某些文件或阻止：

wget -r -k -np -nv -R jpg,jpeg,gif,png,tif,*\? http://www.boinc-wiki.info/

接受：

wget -r -k -np -nv -R jpg,jpeg,gif,png,tif -A [a-zA-Z.] http://www.boinc-wiki.info/

编辑：根据另一篇文章的nvm。