wget递归下载，但我不想遵循所有链接

我正在尝试使用wget镜像网站，但是我不想下载很多文件，因此我正在使用wget的--reject选项来不保存所有文件。但是，wget仍将下载所有文件，然后在与我的拒绝选项匹配时将其删除。

如果它们匹配某些外壳通配符，是否有某种方法告诉wget不要遵循某些链接？如果wget无法执行此操作，是否还有其他常见的Linux命令可以执行此操作？

您还可以尝试HTTrack，它具有IMO，更加灵活和直观的包含/排除逻辑。像这样

httrack "https://example.com" -O ExampleMirrorDirectory \
"-*" \
"+https://example.com/images/*" \
"-*.swf"

规则将按顺序应用，并将覆盖以前的规则...

1. 排除一切
2. 但包括https://example.com/images/ *
3. 但排除以swf结尾的任何内容

看起来这在wget中是不可能的

在'man wget'的--reject部分下：

“请注意，如果任何通配符*，？，[或]出现在acclist或rejlist的元素中，它将被视为一种模式，而不是后缀。”

如果执行此操作，则可能需要举例说明您正在使用的模式以及您认为应该匹配的模式，而事实并非如此。您说它们匹配，但是确定吗？

另外，请确保将此列表放在引号中，以便在将参数传递给wget之前，shell不会扩展那些通配符。

即使您的系统没有版本1.12，也请在此处阅读手册的“文件类型”部分。根据更改日志，维护人员添加了一些警告：

* NEWS: Added documentation change re: --no-parents, and various
caveats on accept/reject lists behavior. Rearranged some items in
order of priority.

-l NUMBER如果有帮助，您可以使用该选项限制递归级别（不遵循某些正则表达式模式）。

级别为“ 2”会下载index.html，其子站点/图像/等以及子站点上的链接。

您如何使用wget？尝试以这种方式使用它：

wget -r --reject=gif,jpg,swf http://norc.aut.ac.ir/

此命令将忽略gif，jpg和swf文件。

一种解决方法是通过代理服务器运行wget。将您的代理设置为禁止某些模式。这将阻止wget首先下载它们。

wget将下载并删除与-R模式匹配的文件。它也可以匹配模式，而不仅仅是扩展名或文件名的一部分。但是，它不会阻止wget先下载然后再删除。

httrack确实具有一些不错的功能，但是以我的经验，它保存“文件”的方式可能有点古怪，例如，如果httrack遇到index.asp？Type = BASIC＆PAGEID = 2234234
它可以保存它，但是您必须告诉它保存该文件。查询的一部分，
例如％h％p /％n％[TYPE：@TYPE = ::]％[PAGEID：PAGEID = ::]。％t
@是问号的占位符，您可以稍后重命名文件，还是逃避问号？问题是，。％t会在您的URI的末尾添加一个“ .html”，而该URL最初没有“ .html”。如果您将其删除，httrack下载的图像将缺少文件扩展名。

更好地使用wget恕我直言