Html yerine ikili dönen wget?

Statik bir html sayfası indirmek için wget kullanıyorum. W3C Doğrulayıcı, sayfanın UTF-8 ile kodlandığını söylüyor. Yine de indirdikten sonra dosyayı cat ettiğimde, bir grup ikili saçmalık elde ediyorum. Ubuntu'dayım ve varsayılan kodlamanın UTF-8 olduğunu düşündüm. Yerel ayarımın söylediği bu. Bu neden oluyor ve nasıl düzeltebilirim?

Ayrıca, benziyor Content-Encoding: gzip. Belki de bu bir fark yaratır?

Bu basit bir istek:

wget https://www.example.com/page.html

Ben de denedim:

wget https://www.example.com/page.html -q -O - | iconv -f utf-16 -t utf-8 > output.html

Hangi döndü: iconv: illegal input sequence at position 40

cat'ing dosyası şu şekilde görünen ikili dosyayı döndürür:

l�?חu�`�q"�:)s��dġ__��~i��6n)T�$H�#���QJ

Sonuç xxd output.html | head -20:

00000000: 1f8b 0800 0000 0000 0003 bd56 518f db44  ...........VQ..D
00000010: 107e a6bf 62d4 8a1e 48b9 d8be 4268 9303  .~..b...H...Bh..
00000020: 8956 082a 155e 7a02 21dd cbd8 3bb6 97ae  .V.*.^z.!...;...
00000030: 77cd ee38 39f7 a1bf 9d19 3bb9 0bbd 9c40  w..89.....;....@
00000040: 2088 12c5 de9d 9df9 be99 6f67 f751 9699   .........og.Q..
00000050: 500d 1d79 5eee a265 faec 7151 e4ab 6205  P..y^..e..qQ..b.
00000060: 4dd3 0014 1790 e7d0 77c0 ef2f cbf8 cde3  M.......w../....
00000070: cf1f 7d6c 7d69 ec16 d0d9 c67f 7d7d 56c9  ..}l}i......}}V.
00000080: 04c5 eb33 35fc e49e 2563 e908 ca10 0d45  ...35...%c.....E
00000090: 31ce afcf a022 e77a 34c6 fa46 46be d88f  1....".z4..FF...
000000a0: a41e ab79 446d 76d6 702b cf45 9e7f ba77  ...yDmv.p+.E...w
000000b0: 7dc2 779c 274e cc18 483c 3a12 0f75 f07c  }.w.'N..H<:..u.|
000000c0: 5e63 67dd b886 ab48 e550 b5c4 f0e3 db0d  ^cg....H.P......
000000d0: 54c1 85b8 8627 2ff3 2ff3 17f9 0626 d31d  T....'/./....&..
000000e0: d9a6 e5b5 4076 663f 94ec 7b5a 17cf 7ade  ....@vf?..{Z..z.
000000f0: 00d3 0d9f 4fcc d733 ef8d a0bb 0a06 c7eb  ....O..3........
00000100: b304 6fb1 b1cc 18ed 90e0 8710 43aa 424f  ..o.........C.BO
00000110: 50c7 d0c1 2bac 09be 4d1c 2566 335e 666c  P...+...M.%f3^fl
00000120: 1e20 951d 58fd 6774 f3e9 f317 749f 7fc4  . ..X.gt....t...
00000130: d651 cdca f5a7 b0a5 aea4 08ab 055c e4c5  .Q...........\..

Ayrıca, garip bir şekilde, çıktı dosyası TextWrangler'da düzgün açılıyor gibi görünüyor!

— ΓΓIICK
kaynak

kullanılan komutu ve üretilen çıktıyı sağlamak için soruyu gözden geçirmek burada çok yardımcı olacaktır.

— steve

LANG = tr_TR.UTF-8 iconv: 40. konumda geçersiz giriş sırası

— 6IICK

Bize "ikili saçmalık" ın neye benzediğini gösterebilir misiniz? Çalıştırmanızı öneririm: xxd dubious.file| kafa -20` ve bunu bir güncelleme olarak dahil.

— Bruce Ediger

@BruceEdiger güncellendi.

— ΓΓIICK

Ayrıca, garip bir şekilde, çıktı dosyası TextWrangler'da doğru açılıyor gibi görünüyor!

— ΓΓIICK

Yanıtlar:

Bu bir gzip sıkıştırılmış dosyadır. Bunu, fileverilerdeki sihirli sayılardan dosya biçimini belirleyen komutu çalıştırarak bulabilirsiniz (Text Wrangler gibi programlar da dosyanın sıkıştırıldığını bu şekilde anlar):

file output.html
wget -O - … | file -

Sunucu (gösterdiğiniz içerikten tahmin ettim) gzip veri gönderiyor ve başlığı doğru ayarlıyor

Content-Encoding: gzip

ama wget bunu desteklemiyor. Son sürümlerde, Accept-encoding: identitysunucuya verileri sıkıştırmamasını veya başka bir şekilde kodlamamasını söylemek için wget gönderir . Eski sürümlerde, başlığı manuel olarak gönderebilirsiniz:

wget --header 'Accept-encoding: identity' …

Ancak bu sunucu bozuk görünüyor: Verileri herhangi bir şekilde kodlamaması söylendiğinde bile sıkıştırılmış veri gönderiyor. Böylece verileri manuel olarak açmanız gerekir.

wget -O output.html.gz … && gunzip output.html.gz

— Gilles 'SO- şeytan olmayı bırak'
kaynak

Çok güzel bir analiz

— roaima

BTW, içine boru olabilir gunzipaynı şekilde size yaptığım gibi filegeçici bir depolamak istemiyorsanız,. Sen geçirmek isteyebilirsiniz -cveya --to-stdout(ya da diyoruz zcat) arasında, söz konusu boru hattı eklemek için wgetve iconv.

— Toby Speight

Bu dosya hala sıkıştırılmış durumda gzip.

İlk iki bayt 0x1f8b'nin gzipimza ile eşleştiğini görebilirsiniz . Bu nedenle, verileri okumak için sıkıştırmasını açmanız gerekir.

mv file.dat file.dat.gz
gunzip file.dat.gz

Veya

zcat file.dat

— roaima
kaynak