2.7 KiB
2.7 KiB
| id | title | date | author | layout | guid | permalink | blogger_blog | blogger_author | blogger_a4a2016d1c35883202d5ddff9b0ea4ff_permalink | categories | tags | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 9 | Script per il bulk download da Archive.org | 2015-06-30T13:39:00+00:00 | pesceWanda | post | https://provaprova456789.wordpress.com/2015/06/30/script-per-il-bulk-download-da-archive-org | /index.php/archives/9 |
|
|
|
|
|
In questi giorni mi e` capitato di dover scaricare varie collezioni da archive.org, una libreria digitale multimediale la cui missione e` l’accesso universale a tutta la conoscenza.
Principalmente lo uso per scaricare tantissime registrazioni live di vari concerti registrati a mio avviso in maniera impeccabile.
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.
Questo e` lo script che uso, modificato da questo script: e` scritto in bash e funziona su tutte le distribuzioni sulle quali e` installato wget, tail e sed.
#!/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.
Francesco Mecca