wget wikimedia图片？

Question

我正在尝试通过使用指向文件命名空间中的页面的URL从Wikimedia Commons下载图像：

wget http://commons.wikimedia.org/wiki/File:A_golden_tree_during_the_golden_season.JPG

我得到的只是一个无法打开的JPG文件。但是当你转到这个链接时，你实际上看到的是页面，而不是图片本身，但是有一个叫做“全分辨率”的链接，它会把你带到真实的图片链接：http://upload.wikimedia.org/wikipedia/commons/9/92/A_golden_tree_during_the_golden_season.JPG

如果只有第一个链接，我如何下载此文件？

Answer 1

您可以尝试以下操作：

wget http://commons.wikimedia.org/wiki/File:A_golden_tree_during_the_golden_season.JPG -O output.html; wget $(cat output.html | grep fullMedia | sed 's/\(.*href="\/\/\)\([^ ]*\)\(" class.*\)/\2/g')

第一个wget获取您指定的链接。我浏览了几个页面，发现高分辨率的图片都在class=fullMedia的div下。它解析图像的url，然后获取该图像。

PS：如上所述，bash并不是一种很好的方式。你应该看看能解析dom树的东西。

Answer 2

提取不带名称空间的标题(A_golden_tree_during_the_golden_season.JPG)并将其传递给Special:Redirect。

wget http://commons.wikimedia.org/wiki/Special:Redirect/file/$( echo 'http://commons.wikimedia.org/wiki/File:A_golden_tree_during_the_golden_season.JPG' | sed 's/.*\/File\:\(.*\)/\1/g' )

Answer 3

wget http://upload.wikimedia.org/wikipedia/commons/9/92/A_golden_tree_during_the_golden_season.JPG

您获取的是网页，而不是图像本身。