wget 只下载一个 index.html 文件，而不是其他大约 500 个 html 文件

使用 Wget 我通常只收到一个——index.html 文件。我输入以下字符串：

wget -e robots=关闭 -rhttp://www.korpora.org/kant/aa03 http://www.korpora.org/kant/aa03

唉，它只返回一个index.html 文件。

目录aa03暗示着康德的书，第3卷，里面肯定有大约560个文件（页）左右。这些页面可以在线阅读，但不能下载。有什么补救办法吗？！谢谢

通过该链接我们可以看到：

http://korpora.zim.uni-duisburg-essen.de/kant/aa03/ http://korpora.zim.uni-duisburg-essen.de/kant/aa03/

wget 不会跟踪指向用户未指定的域的链接。由于 korpora.zim.uni-duisburg-essen.de 不等于 korpora.org，wget 将不会跟踪索引页面上的链接。

要解决此问题，请使用 --span-hosts 或 -H。 -rH 是VERY危险的组合 - 组合起来，您可能会意外地抓取整个互联网 - 因此您需要非常严格地关注其范围。该命令将执行您想要执行的操作：

wget -e robots=off -rH -l inf -np -D korpora.org,korpora.zim.uni-duisburg-essen.dehttp://korpora.org/kant/aa03/index.html http://korpora.org/kant/aa03/index.html

（-np 或 --no-parent 将限制爬行至 aa03/。-D 将限制为仅这两个域。-l inf 将爬行无限深，受 -D 和 -np 约束）。