583 lines
9.7 KiB
HTML
583 lines
9.7 KiB
HTML
<!DOCTYPE html>
|
||
<html lang="en-us">
|
||
|
||
<head>
|
||
<meta charset="UTF-8">
|
||
<title>Caught in the Net</title>
|
||
<meta name="viewport" content="width=device-width, initial-scale=1">
|
||
<meta name="theme-color" content="#157878">
|
||
<link rel="stylesheet" href="/css/normalize.css">
|
||
<!--<link href='https://fonts.googleapis.com/css?family=Open+Sans:400,700' rel='stylesheet' type='text/css'>-->
|
||
<link rel="stylesheet" href="/fonts/opensans.css">
|
||
<link rel="stylesheet" href="/css/cayman.css">
|
||
</head>
|
||
|
||
|
||
<body>
|
||
<section class="page-header">
|
||
<h1 class="project-name">Caught in the Net</h1>
|
||
<h2 class="project-tagline">La rete ti cattura ma libera il pensiero</h2>
|
||
<a class="btn" href="/">Home</a>
|
||
<a class="btn" href="/about/">About me</a>
|
||
<a class="btn" href="/archive/">Archive</a>
|
||
<a class="btn" href="/contattami/">Contact me</a>
|
||
<a class="btn" href="http://francescomecca.eu:3000/explore/repos">Personal Git</a>
|
||
<a class="btn" href="https://github.com/FraMecca">Github</a>
|
||
<a class="btn" href="/feed.xml">RSS</a>
|
||
<a class="btn" href="/curriculum/CV_Mecca_Francesco.pdf">Curriculum</a>
|
||
</section>
|
||
|
||
|
||
<section class="main-content">
|
||
|
||
<div class="post">
|
||
<h1 class="post-title">Script per il bulk download da Archive.org</h1>
|
||
<span class="post-date">30 Jun 2015</span>
|
||
<p>In questi giorni mi e` capitato di dover scaricare varie collezioni da <a href="https://en.wikipedia.org/wiki/Internet_Archive">archive.org</a>, una libreria digitale multimediale la cui missione e` l’accesso universale a tutta la conoscenza.</p>
|
||
|
||
<p>Principalmente lo uso per scaricare tantissime registrazioni live di vari concerti registrati a mio avviso in maniera impeccabile.</p>
|
||
|
||
<p>Nel sito si trova una guida per scaricare in bulk usando wget e gli strumenti del sito, ma risulta piuttosto prolissa e complicata se si vuole fare un download al volo.</p>
|
||
|
||
<p>Questo e` lo script che uso, modificato da <a href="https://github.com/ghalfacree/bash-scripts/blob/master/archivedownload.sh">questo</a> script: e` scritto in bash e funziona su tutte le distribuzioni sulle quali e` installato wget, tail e sed.</p>
|
||
|
||
<pre class="wp-code-highlight prettyprint linenums:1">#!/bin/bash
|
||
|
||
# Write here the extension of the file that you want to accept
|
||
#filetype =.flac
|
||
#append this to line 24
|
||
#-A .$filetype
|
||
#Write here the extension of the file that you want to reject, divided by a comma
|
||
fileremove = .null
|
||
|
||
if [ “$1” = “” ]; then
|
||
echo USAGE: archivedownload.sh collectionname
|
||
echo See Archive.org entry page for the collection name.
|
||
echo Collection name must be entered exactly as shown: lower case, with hyphens.
|
||
exit
|
||
fi
|
||
echo Downloading list of entries for collection name $1…
|
||
wget -nd -q “http://archive.org/advancedsearch.php?q=collection%3A$1&fl%5B%5D=identifier&sort%5B%5D=identifier+asc&sort%5B%5D=&sort%5B%5D=&rows=9999&page=1&callback=callback&save=yes&output=csv” -O identifiers.txt
|
||
echo Processing entry list for wget parsing…
|
||
tail -n +2 identifiers.txt | sed ‘s/”//g’ > processedidentifiers.txt
|
||
if [ “`cat processedidentifiers.txt | wc -l`” = “0” ]; then
|
||
echo No identifiers found for collection $1. Check name and try again.
|
||
rm processedidentifiers.txt identifiers.txt
|
||
exit
|
||
fi
|
||
echo Beginning wget download of `cat processedidentifiers.txt | wc -l` identifiers…
|
||
wget -r -H -nc -np -nH -nd -e -R $fileremove robots=off -i processedidentifiers.txt -B ‘http://archive.org/download/’
|
||
rm identifiers.txt processedidentifiers.txt
|
||
echo Complete.
|
||
</pre>
|
||
|
||
<p>Francesco Mecca </p>
|
||
|
||
</div>
|
||
|
||
<!--<div class="related">-->
|
||
<!--<related-posts />-->
|
||
<!--<h2>Related Posts</h2>-->
|
||
<!--<ul class="related-posts">-->
|
||
<!---->
|
||
<!--<li>-->
|
||
<!--<h3>-->
|
||
<!--<a href="/pescewanda/2017/05/07/latestage_handbrake/">-->
|
||
<!--Late Stage Capitalism meets FOSS-->
|
||
<!--<small>07 May 2017</small>-->
|
||
<!--</a>-->
|
||
<!--</h3>-->
|
||
<!--</li>-->
|
||
<!---->
|
||
<!--<li>-->
|
||
<!--<h3>-->
|
||
<!--<a href="/pescewanda/2017/03/20/spazio-digitale-rant-facebook__eng/">-->
|
||
<!--Some shallow thoughts from my tiny virtual space-->
|
||
<!--<small>20 Mar 2017</small>-->
|
||
<!--</a>-->
|
||
<!--</h3>-->
|
||
<!--</li>-->
|
||
<!---->
|
||
<!--<li>-->
|
||
<!--<h3>-->
|
||
<!--<a href="/pescewanda/2017/03/07/spazio-digitale-rant-facebook/">-->
|
||
<!--Breve riflessione dal mio piccolo mondo virtuale-->
|
||
<!--<small>07 Mar 2017</small>-->
|
||
<!--</a>-->
|
||
<!--</h3>-->
|
||
<!--</li>-->
|
||
<!---->
|
||
<!--<li>-->
|
||
<!--<h3>-->
|
||
<!--<a href="/pescewanda/2016/11/15/machine-learning-PARTE3/">-->
|
||
<!--Capire il Machine Learning (parte 3)-->
|
||
<!--<small>15 Nov 2016</small>-->
|
||
<!--</a>-->
|
||
<!--</h3>-->
|
||
<!--</li>-->
|
||
<!---->
|
||
<!--<li>-->
|
||
<!--<h3>-->
|
||
<!--<a href="/pescewanda/2016/11/11/machine-learning-PARTE2/">-->
|
||
<!--Capire il Machine Learning (parte 2)-->
|
||
<!--<small>11 Nov 2016</small>-->
|
||
<!--</a>-->
|
||
<!--</h3>-->
|
||
<!--</li>-->
|
||
<!---->
|
||
<!--</ul>-->
|
||
<!--</div>-->
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
|
||
<footer class="site-footer">
|
||
<span class="site-footer-owner"><a href="http://francescomecca.eu">Caught in the Net</a> is maintained by <a href="contattami">Francesco Mecca</a>.</span>
|
||
<span> CC BY-SA 4.0 International.</br> </span>
|
||
<span class="site-footer-credits"><a href="https://jekyllrb.com">Jekyll</a>, <a href="https://github.com/jasonlong/cayman-theme">Cayman theme</a>.</span>
|
||
</footer>
|
||
|
||
|
||
</section>
|
||
|
||
</body>
|
||
</html>
|