创新路
我们一直在努力

Wget用法、参数 进行整站下载

wget是一个从网络上自动下载文件的自由工具。它支持HTTP,HTTPS和FTP协议,可以使用HTTP代理. 

所谓的自动下载是指,wget可以在用户退出系统的之后在后台执行。这意味这你可以登录系统,启动一个wget下载任务,然后退出系统,wget将在后台执行直到任务完成,相对于其它大部分浏览器在下载大量数据时需要用户一直的参与,这省去了极大的麻烦。 

wget 可以跟踪HTML页面上的链接依次下载来创建远程服务器的本地版本,完全重建原始站点的目录结构。这又常被称作"递归下载"。在递归下载的时候,wget 遵循Robot Exclusion标准(/robots.txt). wget可以在下载的同时,将链接转换成指向本地文件,以方便离线浏览。 

wget 非常稳定,它在带宽很窄的情况下和不稳定网络中有很强的适应性.如果是由于网络的原因下载失败,wget会不断的尝试,直到整个文件下载完毕。如果是服务器打断下载过程,它会再次联到服务器上从停止的地方继续下载。这对从那些限定了链接时间的服务器上下载大文件非常有用。 

wget的常见用法

wget虽然功能强大,但是使用起来还是比较简单的,

基本的语法是:wget [参数列表] "URL" 用""引起来可以避免因URL中有特殊字符造成的下载出错。

下面就结合具体的例子来说明一下wget的用法。

    1、下载整个http或者ftp站点。

    wget http://place.your.url/here

    这个命令可以将http://place.your.url/here 首页下载下来。使用-x会强制建立服务器上一模一样的目录,如果使用-nd参数,那么服务器上下载的所有内容都会加到本地当前目录。

    wget -r http://place.your.url/here

    这个命令会按照递归的方法,下载服务器上所有的目录和文件,实质就是下载整个网站。这个命令一定要小心使用,因为在下载的时候,被下载网站指向的所有地址同样会被下载,因此,如果这个网站引用了其他网站,那么被引用的网站也会被下载下来!基于这个原因,这个参数不常用。可以用-l number参数来指定下载的层次。例如只下载两层,那么使用-l 2。

    要是您想制作镜像站点,那么可以使用-m参数,例如:wget -m http://place.your.url/here

    这时wget会自动判断合适的参数来制作镜像站点。此时,wget会登录到服务器上,读入robots.txt并按robots.txt的规定来执行。

    2、断点续传。

    当文件特别大或者网络特别慢的时候,往往一个文件还没有下载完,连接就已经被切断,此时就需要断点续传。wget的断点续传是自动的,只需要使用-c参数,例如:

    wget -c http://the.url.of/incomplete/file

    使用断点续传要求服务器支持断点续传。-t参数表示重试次数,例如需要重试100次,那么就写-t 100,如果设成-t 0,那么表示无穷次重试,直到连接成功。-T参数表示超时等待时间,例如-T 120,表示等待120秒连接不上就算超时。

    3、批量下载。

    如果有多个文件需要下载,那么可以生成一个文件,把每个文件的URL写一行,例如生成文件download.txt,然后用命令:wget -i download.txt

这样就会把download.txt里面列出的每个URL都下载下来。(如果列的是文件就下载文件,如果列的是网站,那么下载首页)

    4、选择性的下载。

    可以指定让wget只下载一类文件,或者不下载什么文件。例如:

    wget -m –reject=gif http://target.web.site/subdirectory

    表示下载http://target.web.site/subdirectory,但是忽略gif文件。–accept=LIST 可以接受的文件类型,–reject=LIST拒绝接受的文件类型。

    5、密码和认证。

    wget只能处理利用用户名/密码方式限制访问的网站,可以利用两个参数:

    –http-user=USER设置HTTP用户

    –http-passwd=PASS设置HTTP密码

    对于需要证书做认证的网站,就只能利用其他下载工具了,例如curl。

    6、利用代理服务器进行下载。

    如果用户的网络需要经过代理服务器,那么可以让wget通过代理服务器进行文件的下载。此时需要在当前用户的目录下创建一个.wgetrc文件。文件中可以设置代理服务器:

    http-proxy = 111.111.111.111:8080

    ftp-proxy = 111.111.111.111:8080

    分别表示http的代理服务器和ftp的代理服务器。如果代理服务器需要密码则使用:

    –proxy-user=USER设置代理用户

    –proxy-passwd=PASS设置代理密码 

    这两个参数。

    使用参数–proxy=on/off 使用或者关闭代理。

    wget还有很多有用的功能,需要用户去挖掘。

wget的使用格式 

Usage: wget [OPTION]… [URL]…

* 用wget做站点镜像: 

wget -r -p -np -k http://dsec.pku.edu.cn/~usr_name/

# 或者

wget -m http://dsec.pku.edu.cn/~usr_name/

* 在不稳定的网络上下载一个部分下载的文件,以及在空闲时段下载 

wget -t 0 -w 31 -c http://dsec.pku.edu.cn/BBC.avi -o down.log &

# 或者从filelist读入要下载的文件列表

wget -t 0 -w 31 -c -B ftp://dsec.pku.edu.cn/linuxsoft -i filelist.txt -o down.log &

上面的代码还可以用来在网络比较空闲的时段进行下载。我的用法是:在mozilla中将不方便当时下载的URL链接拷贝到内存中然后粘贴到文件filelist.txt中,在晚上要出去系统前执行上面代码的第二条。 

* 使用代理下载 

wget -Y on -p -k https://sourceforge.net/projects/wvware/

代理可以在环境变量或wgetrc文件中设定 

# 在环境变量中设定代理

export PROXY=http://211.90.168.94:8080/

# 在~/.wgetrc中设定代理

http_proxy = http://proxy.yoyodyne.com:18023/

ftp_proxy = http://proxy.yoyodyne.com:18023/

wget各种选项分类列表

* 启动 

  -V,  –version           显示wget的版本后退出

  -h,  –help              打印语法帮助

  -b,  –background        启动后转入后台执行

  -e,  –execute=COMMAND   执行`.wgetrc'格式的命令,wgetrc格式参见/etc/wgetrc或~/.wgetrc

* 记录和输入文件 

  -o,  –output-file=FILE     把记录写到FILE文件中

  -a,  –append-output=FILE   把记录追加到FILE文件中

  -d,  –debug                打印调试输出

  -q,  –quiet                安静模式(没有输出)

  -v,  –verbose              冗长模式(这是缺省设置)

  -nv, –non-verbose          关掉冗长模式,但不是安静模式

  -i,  –input-file=FILE      下载在FILE文件中出现的URLs

  -F,  –force-html           把输入文件当作HTML格式文件对待

  -B,  –base=URL             将URL作为在-F -i参数指定的文件中出现的相对链接的前缀

       –sslcertfile=FILE     可选客户端证书

       –sslcertkey=KEYFILE   可选客户端证书的KEYFILE

       –egd-file=FILE        指定EGD socket的文件名

* 下载 

       –bind-address=ADDRESS   指定本地使用地址(主机名或IP,当本地有多个IP或名字时使用)

  -t,  –tries=NUMBER           设定最大尝试链接次数(0 表示无限制).

  -O   –output-document=FILE   把文档写到FILE文件中

  -nc, –no-clobber             不要覆盖存在的文件或使用.#前缀

  -c,  –continue               接着下载没下载完的文件

       –progress=TYPE          设定进程条标记

  -N,  –timestamping           不要重新下载文件除非比本地文件新

  -S,  –server-response        打印服务器的回应

       –spider                 不下载任何东西

  -T,  –timeout=SECONDS        设定响应超时的秒数

  -w,  –wait=SECONDS           两次尝试之间间隔SECONDS秒

       –waitretry=SECONDS      在重新链接之间等待1…SECONDS秒

       –random-wait            在下载之间等待0…2*WAIT秒

  -Y,  –proxy=on/off           打开或关闭代理

  -Q,  –quota=NUMBER           设置下载的容量限制

       –limit-rate=RATE        限定下载输率

* 目录 

  -nd  –no-directories            不创建目录

  -x,  –force-directories         强制创建目录

  -nH, –no-host-directories       不创建主机目录

  -P,  –directory-prefix=PREFIX   将文件保存到目录 PREFIX/…

       –cut-dirs=NUMBER           忽略 NUMBER层远程目录

* HTTP 选项 

       –http-user=USER      设定HTTP用户名为 USER.

       –http-passwd=PASS    设定http密码为 PASS.

  -C,  –cache=on/off        允许/不允许服务器端的数据缓存 (一般情况下允许).

  -E,  –html-extension      将所有text/html文档以.html扩展名保存

       –ignore-length       忽略 `Content-Length'头域

       –header=STRING       在headers中插入字符串 STRING

       –proxy-user=USER     设定代理的用户名为 USER

       –proxy-passwd=PASS   设定代理的密码为 PASS

       –referer=URL         在HTTP请求中包含 `Referer: URL'头

  -s,  –save-headers        保存HTTP头到文件

  -U,  –user-agent=AGENT    设定代理的名称为 AGENT而不是 Wget/VERSION.

       –no-http-keep-alive  关闭 HTTP活动链接 (永远链接).

       –cookies=off         不使用 cookies.

       –load-cookies=FILE   在开始会话前从文件 FILE中加载cookie

       –save-cookies=FILE   在会话结束后将 cookies保存到 FILE文件中

* FTP 选项 

  -nr, –dont-remove-listing   不移走 `.listing'文件

  -g,  –glob=on/off           打开或关闭文件名的 globbing机制

       –passive-ftp           使用被动传输模式 (缺省值).

       –active-ftp            使用主动传输模式

       –retr-symlinks         在递归的时候,将链接指向文件(而不是目录)

* 递归下载 

  -r,  –recursive          递归下载--慎用!

  -l,  –level=NUMBER       最大递归深度 (inf 或 0 代表无穷).

       –delete-after       在现在完毕后局部删除文件

  -k,  –convert-links      转换非相对链接为相对链接

  -K,  –backup-converted   在转换文件X之前,将之备份为 X.orig

  -m,  –mirror             等价于 -r -N -l inf -nr.

  -p,  –page-requisites    下载显示HTML文件的所有图片

* 递归下载中的包含和不包含(accept/reject) 

  -A,  –accept=LIST                分号分隔的被接受扩展名的列表

  -R,  –reject=LIST                分号分隔的不被接受的扩展名的列表

  -D,  –domains=LIST               分号分隔的被接受域的列表

       –exclude-domains=LIST       分号分隔的不被接受的域的列表

       –follow-ftp                 跟踪HTML文档中的FTP链接

       –follow-tags=LIST           分号分隔的被跟踪的HTML标签的列表

  -G,  –ignore-tags=LIST           分号分隔的被忽略的HTML标签的列表

  -H,  –span-hosts                 当递归时转到外部主机

  -L,  –relative                   仅仅跟踪相对链接

  -I,  –include-directories=LIST   允许目录的列表

  -X,  –exclude-directories=LIST   不被包含目录的列表

  -np, –no-parent                  不要追溯到父目录

问题

在递归下载的时候,遇到目录中有中文的时候,wget创建的本地目录名会用URL编码规则处理。如"天网防火墙"会被存为"%CC%EC%CD%F8%B7%C0%BB%F0%C7%BD",这造成阅读上的

未经允许不得转载:天府数据港官方信息博客 » Wget用法、参数 进行整站下载

客官点个赞呗! (0)
分享到:

评论 抢沙发

评论前必须登录!

天府云博 - 做有态度的开发&运维&设计学习分享平台!

联系我们百度云主机