Wget pour Windows : problème caractères accentués

Version imprimable

02/12/2015, 16h13
SONY30

Wget pour Windows : problème caractères accentués

Bonjour,

désolé si je poste au mauvais endroit mais je me dis que j'aurai plus de réponses (peut-être à tort) sur Wget dans le forum linux que dans le celui windows....

Bref mon problème est le suivant : j'utilise l'utilitaire Wget pour Windows (version 1.17) afin de faire une version statique locale de mon site.
Le problème est que wget ne récupère pas les URLs qui sont accentués; j'ai ajouté les commandes --restrict-file-names=nocontrol ou --restrict-file-names=windows mais rien n'y fait, le résultat est le même.

Auriez-vous une solution à me soumettre ?

Par avance, merci.
02/12/2015, 16h22
disedorgue

Bonjour,

C'est vague, peux-tu donner des exemples ?
02/12/2015, 16h27
SONY30
Je créé une page index.html qui appelle 2 pages html, dont une nommée avec un caractère accentué, wget ne récupère pas la page avec le caractère accentué.
Code:

1 2 3 4 <html> <a href="aaa.html">AAA</a><br> <a href="aàa.html">AàA</a><br> </html>
02/12/2015, 18h33
jack-ft
Citation:
Envoyé par SONY30

Je créé une page index.html qui appelle 2 pages html, dont une nommée avec un caractère accentué, wget ne récupère pas la page avec le caractère accentué.

Code:

1 2 3 4 <html> <a href="aaa.html">AAA</a><br> <a href="aàa.html">AàA</a><br> </html>
D'où l'intérêt de ne pas mettre d'accents dans les noms de fichiers!
:dehors:
02/12/2015, 21h53
papajoker
Bonjour,

si si, wget n'a aucun problème avec les accents !
Code:

1 2 wget http://conjugaison.lemonde.fr/conjugaison/auxiliaire/être/ wget http://conjugaison.lemonde.fr/conjugaison/auxiliaire/être
ce qui bloque chez toi c'est ta fonction (regex ?) pour récupérer les url dans ton code html
c'est un nouveau site donc il est bien en utf8 ?
03/12/2015, 07h08
BufferBob

accessoirement on a tendance à encoder les caractères spéciaux dans les urls en général, on ne tape pas directement sur le FS on transite au préalable par le serveur
essaye avec un truc du genre <a href="a%e0a.html">AàA.html</a>
03/12/2015, 09h43
SONY30
A la base c'est la totalité d'un site SharePoint que j'essaye de wgeter
Pour l'exemple, ce sont simplement 3 pages HTML générées avec notepad++ en ANSI.
Citation:
Envoyé par papajoker

Bonjour,

si si, wget n'a aucun problème avec les accents !

Code:

1 2 wget http://conjugaison.lemonde.fr/conjugaison/auxiliaire/être/ wget http://conjugaison.lemonde.fr/conjugaison/auxiliaire/être

ce qui bloque chez toi c'est ta fonction (regex ?) pour récupérer les url dans ton code html
c'est un nouveau site donc il est bien en utf8 ?
03/12/2015, 11h00
disedorgue

Ce qui me dérange ici, c'est que tu dis que c'est de l'ANSI, alors que si on regarde de plus près les 2 lignes de wget que tu donnes, c'est de l'UTF8 :weird:
Après, c'est peut-être lié au copier/coller, donc je réitère ma question, peut-on avoir des exemples mais pour éviter toute ambigüité:
Dans un fichier bat , tu mets la ligne de wget qui ne fonctionne pas, tu le tests depuis ton cmd pour être sur que c'est bien le cas, et tu nous le soumets en attachement.
Et d'ailleurs, est-ce que wget te sort un message quelconque sur le sujet ?
03/12/2015, 11h19
SONY30

3 pièce(s) jointe(s)

la commande wget

Code:

wget -r -k -p -E -o log.txt --restrict-file-names=nocontrol http://localhost/Test/

la commande, le log standard wget et le log verbeux en PJ

Merci.

j'ai testé en local , ca passe bien, et j'ai en log :
Code:

1 2 3 4 5 6 7 Terminé —*2015-12-03 12:13:31*— Temps total effectif*: 0,007s Téléchargés*: 3*fichiers, 105 en 0s (2,94 MB/s) Conversion de localhost/aàa.html… rien à faire. Conversion de localhost/test.html… 2-0 Conversion de localhost/aaa.html… rien à faire. 3*fichiers convertis en 0*secondes.
mon serveur est configuré pour retourner par défaut de l'UTF8
dans tes logs tu as contrairement a moi : toujours URI encoding = 'ASCII' :aie: c'est la le problème

il te faudrait peut-être rajouter l'option --remote-encoding=UTF8 ? ou apache .htaccess mettre : "AddDefaultCharset UTF-8"

03/12/2015, 12h43
SONY30

J'avais déjà essayé avec l'option --remote-encoding, ça change rien...
03/12/2015, 15h13
disedorgue

Au lieu de --remote-encoding=UTF8 , essaye avec --local-encoding=UTF8 (je me demande si ce ne serait pas UTF-8 au lieu de UTF8 ? )

Car le remote, il le met déjà en UTF8, c'est plus le local qui pose problème car il le voit en ASCII (enfin, c'est ce que j'en comprends :weird: )
03/12/2015, 16h29
SONY30

y a du mieux ! il récupère bien le fichier accentué maintenant

Par contre il le renomme

Code:

aÃ*a.html

mais laisse l'appel tel quel

Code:

aàa.html

du coup le lien ne fonctionne pas.
03/12/2015, 16h43
disedorgue

Faudrait peut-être rajouter l'option suivante:
--restrict-file-names=nocontrol
03/12/2015, 17h03
SONY30

Oui je le laisse depuis le début ce paramètre, j'ai l'impression qu'il n'en tient pas compte.
03/12/2015, 17h36
disedorgue

Dans ce cas, mettre la valeur qu'il devrait avoir par défaut, sous unix => unix, sous windows => windows ...

Mais, c'est pas gagné, car à priori, il y a un bug sur wget concernant la sauvegardes des noms de fichiers: https://lists.gnu.org/archive/html/b.../msg00006.html
04/12/2015, 14h06
SONY30

Ouf !j e m'en suis sorti. Merci à tous.

Bon apparemment --restrict-file-names=nocontrol ne fonctionne que sur Linux.
En utilisant --restrict-file-names=ascii le nom du fichier est modifié mais l'appel est modifié également avec le même encodage.