JustAnotherArchivist
/
little-things
2
0
Rozštěpit 0
Zdrojový kód Úkoly 0 Požadavky na natažení 0 Vydání 0 Wiki Aktivita
The little things give you away... A collection of various small helper stuff
Nelze vybrat více než 25 témat Téma musí začínat písmenem nebo číslem, může obsahovat pomlčky („-“) a může být dlouhé až 35 znaků.
437 Revize
1 Větev
1.7 MiB
 
 
 
Větev: master
Větve Značky
${ item.name }
Vytvořit větev ${ searchTerm }
z „master“
${ noResults }
 ZIP  TAR.GZ
JustAnotherArchivist ca206e162e Disable deletion by default před 1 týdnem
.gitignore Add infrastructure for simple C-based tools před 2 roky
.make-and-exec Warnings are bad, mmkay? před 11 měsíci
.urldecode-test Get rid of Makefile for more control; add proper debug build support před 11 měsíci
.warc-dump-responses-test Add test for warc-dump-responses před 5 měsíci
.youtube-extract-rapid-test Get rid of Makefile for more control; add proper debug build support před 11 měsíci
LICENSE Initial commit před 5 roky
README.md Initial commit před 5 roky
alphabetseq Swap syntaxes před 2 roky
archivebot-blogspot Fix HTTPS handling před 5 roky
archivebot-compress-db Add archivebot-compress-db před 4 měsíci
archivebot-fix-queue-counters Fix TypeError před 1 rokem
archivebot-high-resources Replace archivebot-high-memory with more capable archivebot-high-resources před 4 měsíci
archivebot-irccloud-paste Add archivebot-irccloud-paste před 3 roky
archivebot-jobid-calculation More snscrape helper tools před 5 roky
archivebot-jobs Not-so-new new ArchiveBot domain před 1 rokem
archivebot-list-stuck-requests Fix line endings před 5 roky
archivebot-log-extract-ignores Add archivebot-log-extract-ignores před 3 roky
archivebot-monitor-job-queue First set of little things před 5 roky
archivebot-pipelines-count-jobs Add archivebot-pipelines-count-jobs před 5 měsíci
archivebot-youtube Add helper for AB/chromebot-ing YouTube channels and users před 5 roky
at-tracker-sample-user-item-size Add at-tracker-sample-user-item-size před 2 roky
azure-storage-list Add --jsonl option před 2 roky
b64grep Add b64grep před 2 roky
base64url Add base64url před 2 roky
bencode2json Add bencode2json před 1 rokem
bing-scrape Fix extraction of search results před 6 měsíci
bugzilla-url-list Add Bugzilla URL list generator před 2 roky
cdx-chunk Add cdx-chunk před 2 roky
cloudflare-email-decode Add cloudflare-email-decode před 2 roky
combine-by-prefix Add combine-by-prefix před 2 roky
curl-ia Add header mode (e.g. for tasks API) před 1 rokem
curl-ua Add IE6 UA před 3 roky
deb-repo-urls Fix deb file URLs před 3 roky
dedupe Another alternative and performance/memory comparison před 3 roky
dir-to-ia Disable deletion by default před 1 týdnem
europarl-meps-collect Add script for scraping MEP links from europarl.europa.eu před 4 roky
extract-urls-for-archiveteam-projects Add wpull2-extract-ignored-offsite and extract-urls-for-archiveteam-projects před 4 měsíci
foolfuuka-search Better workaround for the 5000 results limit; works for FoolFuuka 2.0.1 and up před 5 roky
format-size Split out size formatting před 5 roky
fos-ftp-upload First set of little things před 5 roky
get-crx4chrome-urls First set of little things před 5 roky
github-list-repos Fix org listings not including archived repos před 1 týdnem
gitlab-list-repos Add support for other instances and full-instance listing před 2 roky
gofile.io-dl Add support for password-protected folders před 2 roky
html-extract-stupid Handle 
 and 
 před 10 měsíci
http-response-bodies Add http-response-bodies před 1 rokem
http-response-bodies.c Fix extra LF between chunks před 9 měsíci
ia-cdx-search Fix error when no arguments are provided před 1 rokem
ia-cdx-search-subdomains Fix URLs without a path před 1 rokem
ia-derive Queue derives with `ia tasks` instead of this manual curl rubbish před 2 roky
ia-files-xml-to-jsonl Guarantee stable output order před 2 roky
ia-upload-progress Proper script for tracking size of uploaded data před 5 roky
ia-upload-stream Fix single-part upload před 1 týdnem
ia-verify-file Add a timeout to prevent potentially indefinite blocking před 2 roky
ia-wait-item-tasks Handle error tasks by exiting non-zero před 11 měsíci
iasha1check Fix output sometimes appearing after prompt před 1 rokem
ix.io-upload Allow overriding the "remote filename" před 5 roky
kill-connections Handle processes with too many open connections před 2 roky
kill-wpull-connections Merge kill-wpull-connections repository into little-things před 3 roky
killcx-all-https First set of little things před 5 roky
mastodon-enumerate-users Enumerate users on a Mastodon instance před 5 roky
mastodon-outdated Finding outdated Mastodon instances před 5 roky
moinmoin-url-list Add moinmoin-url-list před 3 měsíci
parent-urls Refactor, strip query/fragment před 3 roky
pipelines-launch-in-tmux-windows First set of little things před 5 roky
pipelines-monitor-tmux-wget-outcomes Monitor how a pipeline's wget processes are faring před 5 roky
pipelines-stop-gracefully First set of little things před 5 roky
reddit-pushshift-search Add Bing, Reddit/Pushshift, and FoolFuuka scrapers před 5 roky
run-every-five-minutes First set of little things před 5 roky
s3-bucket-find-direct-url Add support for PermanentRedirect error responses před 6 měsíci
s3-bucket-list Enable line buffering on list URLs FD před 7 měsíci
s3-bucket-list-qwarc Add JSONL output option for S3 listing před 2 roky
snscrape-extract Add support for Twitter hashtag extraction před 4 roky
snscrape-facebook-user Silence by default před 5 roky
snscrape-instagram-user Silence by default před 5 roky
snscrape-prepare-commands Add support for Twitter hashtag extraction před 4 roky
snscrape-tmux Update tmux session commands před 4 roky
snscrape-twitter-filter Filter Twitter hashtag scrapes based on account scrapes před 5 roky
snscrape-twitter-hashtag Extract external links from Twitter před 5 roky
snscrape-twitter-user Extract external links from Twitter před 5 roky
snscrape-upload Print Instagram ignore immediately after upload instead of at the end před 5 roky
snscrape-vk-user Silence by default před 5 roky
snscrape-wiki-transfer-merge Helper tools for snscrape and the wiki pages před 5 roky
social-media-extract-profile-link Fix decoding of links on Facebook profiles před 4 roky
sum-sizes Avoid float roundtrip for integer values před 5 měsíci
tar-many-files-progress First set of little things před 5 roky
tcp-closer Add tcp-closer command před 5 roky
torrent-tiny Fix negative ints před 1 rokem
transfer.archivete.am-upload Handle HTTP/2 lowercase headers před 3 roky
transfer.notkiska.pw-check-ia Switch to HTTPS před 3 roky
uniqify Add uniqify před 5 roky
uniqify-recent Add uniqify-recent před 2 měsíci
url-normalise Normalise domain name to lower-case before further processing před 4 roky
urldecode Add URL/percent decoding tool před 2 roky
urldecode.c Fix unused argc and argv error před 11 měsíci
urlsort Add urlsort před 2 roky
warc-dump-responses Add warc-dump-responses před 1 rokem
warc-dump-responses.c Fix error when the terminating CRLFCRLF of a record is truncated před 5 měsíci
warc-peek Allow negative offsets to peek near the end of the file před 1 rokem
warc-size Split out size formatting před 5 roky
warc-tiny Fix empty files being considered valid WARCs před 9 měsíci
website-extract-social-media Add support for Facebook /pages/category/Category/Name-ID URLs před 4 roky
wget-spider-estimate-size First set of little things před 5 roky
wiki-list-to-main Add ArchiveBot wiki list helper před 4 roky
wiki-recursive-extract-normalise Fix deduplication within each section processing před 4 roky
wiki-sections-sort Add wiki-sections-sort před 4 roky
wiki-website-extract-social-media Add script for automatic social media discovery před 4 roky
wpull1-parallel-progress-monitor First set of little things před 5 roky
wpull1-progress-monitor First set of little things před 5 roky
wpull2-extract-ignored Remove filtering of onsite URLs because it's unreliable před 4 měsíci
wpull2-extract-remaining Clean up wpull DB commands před 3 roky
wpull2-log-colourise Add wpull2-log-colourise před 1 rokem
wpull2-log-extract-errors Treat NXDOMAIN and no A/AAAA record errors as ok před 3 roky
wpull2-requeue Error on unknown options před 2 roky
wpull2-url-origin Clean up wpull DB commands před 3 roky
youtube-channel-list.py Use _type instead of key check hack před 1 rokem
youtube-extract Exclude backslashes in channel patterns před 1 rokem
youtube-extract-rapid Add youtube-extract-rapid před 2 roky
youtube-extract-rapid.c Add youtube-extract-rapid před 2 roky
youtube-filter-autogen-channels Add youtube-filter-autogen-channels před 4 roky
zstdwarccat Fix 'Dictionary mismatch' error when very small dicts are used because the temporary file isn't written to disk before zstdcat gets executed před 2 roky

README.md

Over the past few years, I’ve written and accumulated a number of useful little things to help with archival-related tasks. This repository collects them. I hope someone finds some of them useful.

License (applies to all programs in this repository)

This program is free software: you can redistribute it and/or modify it under the terms of the GNU General Public License as published by the Free Software Foundation, either version 3 of the License, or (at your option) any later version.

This program is distributed in the hope that it will be useful, but WITHOUT ANY WARRANTY; without even the implied warranty of MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE. See the GNU General Public License for more details.

You should have received a copy of the GNU General Public License along with this program. If not, see https://www.gnu.org/licenses/.