從抓取的網站（ARC文件）中提取圖形

Question

我正在處理Heritrix抓取生成的ARC文件。當我在Wayback Machine中查看這些頁面時，看起來大多數圖形都是從本地機器加載的，所以我假設這些圖形存儲在ARC文件中。那是對的嗎？如果是這樣，提取圖像的最佳方式是什麼？

Answer 1

我找到了一個解決方案，一個perl腳本調用arc_extractor： https://wiki.lib.umn.edu/wupl/DI2.HowToCrawl/arc_extractor.txt

它提取所有的都在ARC文件中的文件，根據從他們收到了該網站的文件夾分開。是的，它包含圖像文件。

該腳本不是太優雅...所以如果任何人有任何其他的建議，我會有興趣瞭解他們。