什么是wget命令
什么是wget命令
wget
wget是一个命令行工具——是历史上最快的单线程传输工具,用于下载网站/批量文件,支持HTTP和FTP。 它的任务就是获取互联网。首先,基本上所有的面向个人计算机的Linux都带 wget。
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
命令格式
wget [options] [URL]
用wget做站点镜像
wget -r -p -np -k [url]
# 或者
wget -m [url]
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 [url] -o down.log &
从filelist读入要下载的文件列表
wget -t 0 -w 31 -c -B [url] -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 [url]
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示例
如果我们想下载ftp里面某个目录里面的所有文件,
wget -r ftp://10.8.8.8/movie/
呵呵,等吧!下完了,发觉有些不对劲,怎么出来个10.8.8.8的目录,进去看看,又是一个movie,哦,wget将目录结构和网站标题都给记录下来了,不要??没有问题!比如说还是这个例子
wget -r -nd ftp://10.8.8.8/movie/
结果什么目录都没有了,faint!怎么会这样?呵呵,你如果想要这样就让它这样吧,否则使用
wget -r -nH ftp://10.8.8.8/movie/
恩?movie也不要?OK,那就这样
wget -r -nH --cut-dirs=1 ftp://10.8.8.8/movie/
断线了?超时了? 加个 -c 继续
wget -c -r -nH --cut-dirs=1 ftp://10.8.8.8/movie/
我们下载这里面所有的宏包,呵呵
wget -r -k http://www.ctan.org/tex-archive/macros/latex/
-k表示将连接转换为本地连接。但是现在同样有上面的问题啊,那就把你需要的加上吧,另外也许你根本不需要向下走那么多层,比如,我们就要到第二层,那么
wget -r -l2 -k http://www.ctan.org/tex-archive/macros/latex/
现在新的问题是,由于网页有一个排序功能,很讨厌,因为下载的时候把网页重复了好多次,那么我们可使用-A和-R开关控制下载类型,并且可以使用通配符,呵呵,现在随心所欲了吧
wget -r -R ".htm\?*" -k http://www.ctan.org/tex-archive/macros/latex/
这次没有那种网页了吧?-R的意义在于拒绝下载匹配类型的文件,-A表示仅仅接受的文件类型,如-A "*.gif"将仅下载gif图片,如果有多个允许或者不允许,可以使用,分开。
那么,我们现在在使用代理服务器,怎么办呢?呵呵,很高兴你选择了wget,你可以使用它的配置文件,环境变量来利用代理。这里推荐使用环境变量,如在 bash里面我们可以把天天用的proxy加到.bash_profile里面,这是Linux标准写法(很多软件都用的,什么apt-get,yum等等)
export http_proxy=http://10.20.30.40:8080/
然后,proxy就默认打开了,如果需要暂时关闭,可以使用
wget --proxy=off -r -k http://www.ctan.org/tex-archive/macros/latex/
当然,写一个.wgetrc文件也可以,该文件可以从/usr/local/etc里面找到,里面有很详细的注释,我就不多说了。
下载网页的时候比较麻烦的事情是,有的网页被同时指向了很多遍,那么为了避免多次下载,我们使用
wget -nc -r -k http://www.ctan.org/tex-archive/macros/latex/
可以避免这件事情。为了不被有的连接指向非http://www.ctan.org/tex-archive/macros/latex/ 内层目录,我们还应该加上
wget -nc -np -r -k http://www.ctan.org/tex-archive/macros/latex/
避免下载非该目录里面的文件,这也避免了到不同的host上面去。当然,如果你希望有这个功能,在多个host之间跳来跳去的下载,可以使用
wget -nc -np -H -r -k http://www.ctan.org/tex-archive/macros/latex/
使得可以在多个host之间span,同时-I和-X可以使得我们仅仅跟踪某些目录或者不跟踪某些目录。如果某些HTML里面你需要的东西不是由这种东西作出来的,你就得使用--follow-tags和--ignore-tags了。
嘿,我有个文件里面都是连接,怎么办?要是不是html你只需要
wget -i your.file
如果是,那也不繁
wget -F -i your.file
下面是补充:
wget -m ftp://ipaddress/*
-m 做站点镜像时的选项,如果你想做一个站点的镜像,使用这个选项,它将自动设定其他合适的选项以便于站点镜像;等价于 -r -N -l inf -nr.
参数类型
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