ウェブサイトにアクセスする方法(ユーザー名とパスワードが必要)と.csv.gzで終わるすべてのファイルの完全なWebサイトリンクを.txtファイル(1行に1行)に抽出する方法です。サブフォルダからデータを抽出したくありません。
たとえば、次の内容をmy.txtに保存したいとします。
http://www.google.com/1.csv.gz
http://www.google.com/xyz.csv.gz
しかし、保存しないでください。
http://www.google.com/extra/abc.csv.gz
ベストアンサー1
FTPや他のプロトコルとは異なり、HTTPプロトコルにはすべてのファイルリストを「インポートする」機能はありません。ファイルをインポートするには(GET
)対応するURLを知る必要があります。
多くのWebサーバーは、サーバー上のそのディレクトリに存在する各URLのフォームへのリンクのリストを含むURLのHTMLページを生成する便利な機能を提供することで、疑似http://site/directory/
ファイルを提供します。 。顧客が見つけることができるリストを作成してください。ただし、この機能はサイトの最上位ディレクトリ()ではほとんど使用されません。なぜなら、サイト作成者は通常、サイトの最上位 URL に対して明示的な HTML ページを提供するからです。したがって、存在する場合、事前にその存在を知らないと、通常は見つかりません。http://site/directory/file
file
http://site/
http://www.google.com/1.csv.gz
もしファイルインデックスを提供するWebサーバーを扱っている場合は、リストをHTMLからテキストに簡単に変換し、それを使用または使用せずにいくつかのテキスト処理をawk
実行できますが、sed
これは特定のWebサーバーの正確な形式によって異なります。 HTMLリストを返しています...
curl http://site/ | sed -e [....]