Scaricare immagini ad alta risoluzione da portale antenati

[asimonetti67]

Nel Registro di Stato Civile di Roma, cercando per anagrafica sono entrato in una pagina il cui link è piuttosto singolare:
h ttps://antenati.cultura.gov.it/ark:/12657/an_ud19776979 : manca l'ultimo livello, uuale in tutti gli altri documenti che avevo visualizzato fin'ora (es. h ttps://antenati.cultura.gov.it/ark:/12657/an_ua20071616/LPznY9m).
l'elenco è perfettamente scorribile, come tutti gli altri, ma se lo apro direttamente col browser ottengo, ovviamente, un "Pagina non trovata".
Come mai questa "difformità" rispetto a tanti altri registri che ho sfogliato e che mi rende impossibile estrarre la pagina che mi interessa con l'ottimo sistema spiegato più sopra?
Spero essermi spiegato con chiarezza....
grazie

Ciao Fulvio,
ho notato che questo succede quando apri una pagina che ti viene proposta dopo una ricerca per nome.
Non ho capito il riferimento all'errore "Pagina non trovata": a me quella URL (una volta tolto lo spazio) si apre normalmente.

Per visualizzare il link "completo" puoi seguire questi passaggi:

• apri il menù in alto a sinistra e prendi nota del numero di pagina

• scorri il menù in basso e clicca su "vedi il registro"

• ora vai direttamente alla pagina che ti eri segnato

Vedrai che ora la URL è completa (nel tuo caso: https ://antenati.cultura.gov.it/ark:/12657/an_ua19776951/0AKGp3W)

Buona ricerca
Alessandro

[fulvio]

grazie della cortese risposta.
Ho seguito passo-passo le tue indicazioni ed il risultato è stato positivo.
Forse quel giorno c'era un'anomalia nel server oppure io avevo dormito poco e male .
mahhhhh

[fulvio]

... Ho appena provato e mi sembra tutto regolare....

le mie domande non finiscono (quasi) mai.... spero di non annoiare.
in basso al centro delle varie pagine ci sono le caselline che consentono di scorrere avanti e indietro nel registro.
C'è maniera di "intercettare" l'indirizzo che sarà aperto?
grazie.

[asimonetti67]

Se c'è non l'ho ancora trovato.

[asimonetti67]

C'è maniera di "intercettare" l'indirizzo che sarà aperto?

Ti confermo che non sono riuscito a trovare il modo di intercettare l'indirizzo della pagina di Antenati successiva o precedente a quella visualizzata, però ho trovato un modo per ottenere l'elenco di tutti gli indirizzi che corrispondono alle pagine di un registro.

E' una procedura un po' contorta ed è necessario essere un po' "smanettoni".

[fulvio]

prova a spiegarmelo, dai!
Ci proverò!
Io ho la maniera di estrarre le pagine usando un metodo (abbastanza) automatizzato partendo da un file Excel che contiene gli indirizzi delle pagine....

[asimonetti67]

1. aprire una pagina del registro su Chrome
2. clic destro: “Ispeziona”
3. seleziona: “Rete” e dopo “Fetch/XHR”
4. seleziona: “manifest”
5. clic destro nella finestra a destra: “copia oggetto”
6. apri un file chiamato, ad es. “01.txt” e incolla il testo

Il file 01.txt a questo punto contiene molte righe di testo ma solo alcune sono di interesse. Se utilizzi un sistema linux puoi aprire il terminale dare il seguente comando, con cui si filtrano solo le righe con le nostre URL (quelle che contengono il pattern "/full/full/") ed inoltre si eliminano i caratteri di troppo (quello che precede la stringa "@id\" - stringa compresa - e gli ultimi due caratteri). Il risultato lo trovi nel file 02.txt.

Codice: Seleziona tutto

grep "/full/full/" < 01.txt |sed -E 's/^.*\"@id\":\s\"//;s/.{2}$//'

>02.txt

Ho chiesto a chatgpt il comando equivalente da usare sotto Windows e questa è stata la risposta (ma non ho provato):

Codice: Seleziona tutto

Get-Content 01.txt | Select-String "/full/full/" | ForEach-Object {
    $_ -replace '^.*"@id":\s*"', '' -replace '.{2}$'
}| Set-Content 02.txt

buon lavoro!
Alessandro

[fulvio]

Io uso windows 10.
arrivo fin qui ma non capisco dove devo cliccare col tasto destro...

grazie

[asimonetti67]

quello che dici è corretto

Aggiungiamo un passo:
3bis: premere CTRL+R (per eseguire un nuovo caricamento della pagina)

[fulvio]

quello che dici è corretto

Aggiungiamo un passo:
3bis: premere CTRL+R (per eseguire un nuovo caricamento della pagina)

ho fatto un passo in avanti ma ancora non so dove cliccare col destro:

[asimonetti67]

Dopo aver selezionato "manifest", nella finestra alla sua destra devi accertarti di aver aperto la tab "anteprima".
A questo punto ti metti con il mouse sopra la prima riga dell'anteprima e con il pulsante destro scegli "copia object".

E' una procedura un po' lunga ma il punto è che bisogna arrivare al contenuto del file manifest che il sistema non permette di scaricare direttamente.

Alessandro

[fulvio]

Ci sono riuscito e posso proporre una variante per windows che utilizza gli strumenti che conosco (le espressioni regolari mi sono un po' indigeste, lo confesso):
6. apri un file chiamato, ad es. “01.csv” e incolla il testo
7. apri con Excel (o analogo) il flle 01.csv
(... se necessario, nell'aprire il file indica come delimitatore delle colonne ;)
8. filtra le colonne con "non contiene /full/full/"
9. Elimina tutte le righe che vedi
10. elimina "@id": e ,"

[fulvio]

Ci sono riuscito.....

Aggiungo che selezionando tutti:
"label": "pag. si trova il numero della pagina da mostrare

"@id": "https://antenati.cultura.gov.it/ark:/ pagina originale nell'Archivio Antenati.

[cerrigno]

Ciao. Da molto tempo ormai mantengo un programma per scaricare integralmente interi registri dato il link a una pagina qualsiasi del registro interessato.

https://gcerretani.github.io/antenati/

Trovate tutto qui, incluse versioni binarie per Windows, macOS e Linux che girano senza la necessità di installare Python. Spero sia utile. In pratica si apre una finestra dove inserisci l'URL di una pagina di un registro, selezioni una cartella di output e in poco tempo scarica tutte le immagini alla massima risoluzione nella cartella scelta.

Rispetto alla versione di asimonetti67, non hai necessità di scaricare le singole pagine, ma si può scaricare direttamente l'intero registro in un solo colpo.

[asimonetti67]

Ciao cerrigno,
il tuo programma è molto utile. Forse, mi viene da dire, fin troppo.
A me spaventa un po' la possibilità che lo usino in tanti e che quelli del portale antenati possano attuare delle contromisure per impedirlo, per evitare che qualcuno si metta in testa di scaricare un'enormità di pagine per farne - ad esempio - un uso commerciale.
Alessandro