アーカイブされたウェブサイトからすべてのリンク（ダウンロードを除く）を抽出して印刷します。

アーカイブされたウェブサイトからすべてのリンク（ダウンロードではない）を抽出して印刷したいです。つまり、www.foosite.com/archive すべてのフォルダとサブフォルダを繰り返します。

www.foosite.com/archive シナリオ：私はダウンロード可能なファイルを含むディレクトリとサブディレクトリを含むこのようなWebアーカイブにいます。

しかし、単純なWebナビゲーション技術をシミュレートするために使用したいシェルスクリプトでは、出力はlynx無限の再帰に閉じ込められます（問題は実装の問題ではなく構文の問題に近いと思います）。

パスワード：

#!/bin/bash

links=`/usr/bin/lynx -dump -listonly -nonumbers $1`

function dump_primary_links() {

        for link in $links 
        do
            echo "$link" | grep -P "\/$" > /dev/null
            # if link ends with "/" that's a directory 

            if [  $? -eq 0  ]; then
                echo "primary link:$link"
                print_directory_items $link
                 # now recursively traverse the directory 
            else
                echo "$link" # else a normal link

            fi

        done


    }



function print_directory_items() {
    # get contents of directory 
    lst=`/usr/bin/lynx -dump -listonly -nonumbers $link`


     for lnk in $lst 
        do
            echo "$lnk" | grep -P "\/$" > /dev/null 
            # if there is a directory in $lst then travel directory recursively 

            if [  $? -eq 0  ]; then

                link=$lnk
                print_directory_items $link
            else
                echo "$lnk" # directory contents
            fi
       done

    }


get_link

気づく:この場合、Python（RequestsとBeautifulsoupまたはScrapy）が良いソリューションになることを知っていますが、単純なUNIXナビゲーションシミュレーションまたは「Webディレクトリナビゲーション」が必要です。