Czy istnieje sposób, aby uniemożliwić wget pobieranie plików z katalogów nadrzędnych na określoną głębokość?

wget ma taką opcję, -npktóra uniemożliwia pobieranie plików z dowolnego katalogu nadrzędnego. Potrzebuję czegoś podobnego, ale nieco bardziej elastycznego. Rozważać:

www.foo.com/bar1/bar2/bar3/index.html

Chciałbym uzyskać wszystko, ale nie „wyżej” (w hierarchii drzew) niż bar2(!). Dlatego bar2też należy je pobrać, ale nie należy bar1.

Czy istnieje sposób na uczynienie wget bardziej selektywnym?

Tło: Próbuję wykonać kopię lustrzaną witryny o podobnej logicznej strukturze - punkt początkowy, potem w górę, a następnie w dół. Jeśli istnieje inne narzędzie wget, lepiej dostosowane do takiego układu, daj mi również znać.

Aktualizacja

Lub zamiast określania możliwej głębokości, może coś w stylu „bez rodziców, chyba że pasują do tego lub tego adresu URL”.

Aktualizacja 2

Na serwerze jest jakaś struktura, prawda? Możesz to wyobrazić jako drzewo. Zwykle z „--no-parent” zaczynasz od punktu A i schodzisz tylko w dół.

Moim życzeniem jest zdolność do wznoszenia się - wyrażona przez powiedzenie, że dozwolone jest wchodzenie do węzłów X, lub (co jest w 100% równoważne), że wolno jechać do węzła B (gdzie odległość BA = X).

We wszystkich przypadkach zasady zejścia na dół pozostają określone przez użytkowników (na przykład - zejście tylko o poziomy Y).

Jak go przechowywać? W rzeczywistości tak naprawdę nie jest to pytanie - wgetdomyślnie odtwarza strukturę serwera, nie ma się czego bać lub nie trzeba niczego naprawiać. Tak więc, w dwóch słowach - jak zwykle.

Aktualizacja 3

Struktura katalogów poniżej - załóżmy, że w każdym katalogu jest tylko jeden plik, w R - R.html i tak dalej. Jest to oczywiście uproszczone, ponieważ możesz mieć więcej niż jedną stronę.

        R 
       / \
      B   G
     / \
    C   F
   / \
  A   D
 /
E 

Punktem początkowym jest A (A.html), X = 2 (więc B jest węzłem najwyższego poziomu, który chciałbym pobrać) W tym konkretnym przykładzie oznacza to pobranie wszystkich stron oprócz R.html i G.html. A.html nazywany jest „punktem wyjścia”, bo trzeba zacząć od niego, a nie z B.

Aktualizacja 4

Nazewnictwo jest używane z aktualizacji 3.

wget OPCJE www.foo.com/B/C/A/A.html

Pytanie brzmi, jakie są opcje, aby uzyskać wszystkie strony z katalogu B i poniżej (wiedząc, że musisz zacząć od A.html).

Nie próbowałem tego, ale użycie -I i -X może dać ci to, czego chcesz. Moje pierwsze próby byłyby podobne

wget -m -I bar1/bar2 -X "*" http://www.foo.com/bar1/bar2/bar3/index.html

Objaśnienie opcji:

-m: 
   --mirror
       Turn on options suitable for mirroring.  This option turns on recursion and time-stamping, sets
       infinite recursion depth and keeps FTP directory listings.  It is currently equivalent to -r -N -l
       inf --no-remove-listing.
-I: list
   --include-directories=list
       Specify a comma-separated list of directories you wish to follow when downloading.  Elements of
       list may contain wildcards.
-X: list
   --exclude-directories=list
       Specify a comma-separated list of directories you wish to exclude from download.  Elements of list
       may contain wildcards.

Musisz dodać końcowy / do adresu URL, inaczej nie dostaniesz tego, czego chcesz.

Jeśli chcesz uzyskać całą zawartość na www.myhostname.com/somedirectory, składnia powinna brzmieć następująco:

wget -r -nH http://www.myhostname.com/somedirectory/

Wypróbuj bez końca / i zobacz, co się stanie. Następnie spróbuj z /.

Myślę, że właściwą odpowiedzią jest --no-parentopcja:

   -np
   --no-parent
       Do not ever ascend to the parent directory when retrieving recursively.
       This is a useful option, since it guarantees that only the files below
       a certain hierarchy will be downloaded.

Może czegoś mi brakuje, ale jeśli tego właśnie chcesz

wget -c -np -r www.foo.com/bar1/bar2

działa dla mnie (na twoim przykładzie). Oczywiście dzięki tym opcjom uzyskasz całą strukturę katalogów powyżej, od początku do końca www.foo.com. Jeśli chcesz tylko bar2na najwyższym poziomie, to zrób

wget -c -np -r -nH --cut-dirs=1 www.foo.com/bar1/bar2

-nHpozbywa się www.foo.comi --cut-dirs=1pozbywa bar1, więc bar2pobierzesz i jego podkatalogi pobrane do bieżącego katalogu. Aby uzyskać więcej informacji, zobacz man wget, który jest dość czytelny i zawiera przykłady.