wget用法详解

wget是一个命令行工具，用于批量下载文件，支持HTTP和FTP。 如果我们想下载ftp里面某个目录里面的所有文件，如 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/ 断了线能连吗？呵呵，可以连 wget -c -r -nH –cut-dirs=1 ftp://10.8.8.8/movie/ 但是cuteftp能做下面的事情吗？比如，现在很多网站使用Apache建站，并不 提供ftp服务，但是 Apache有一个indexing功能，可以提供一个类似于ftp的界面，好多文件我想下啊，怎么办？由于是HTTP协议，CuteFTP无能为力了， 倒是flash get等有什么get all这种功能，不知道他们对于目录处理怎么样。但是wget一点问题都没有，不信？我们拿CTAN为例（例子并不恰当，CTAN有FTP服务），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<a>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 -------------------------------------------------------------------------------------------------- wget是在Linux下开发的开放源代码的软件，作者是Hrvoje Niksic，后来被移植到包括Windows在内的各个平台上。它有以下功能和特点： win环境下的wget.exe 下载：http://xdowns.com/soft/1/70/2007/Soft_35945.html （1）支持断点续传； （2）同时支持FTP和HTTP下载； （3）支持代理服务器； （4）设置方便简单；命令行方式； （5）程序小，完全免费，没有广告； 缺点 （1）无法多线程下载； wget基本的语法是：wget [参数列表] URL。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。 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主目录下创建一个.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 第一行指定HTTP协议所使用的代理服务器，第二行指定FTP协议所使用的代理服务器，代理服务器IP地址为：111.111.111.111，端口号为：8080。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。 附录： 命令格式： wget [参数列表] [目标软件、网页的网址] 启动 -V,--version 显示软件版本号然后退出； -h,--help显示软件帮助信息； -e,--execute=COMMAND 执行一个“.wgetrc”格式的命令，wgetrc格式参见/etc/wgetrc或~/.wgetrc -b,--background 让wget在后台运行，记录文件写在当前目录下"wget-log"文件中； 记录和输入文件 -o filename,--output-file=FILE 将软件输出信息保存到文件； -a filename ,--append-output=FILE将软件输出信息追加到文件； -d,--debug显示调试信息； -q,--quiet 不显示输出信息； -v,--verbose 详细的屏幕输出（默认） -nv,--non-verbose 简单的屏幕输出 -i inputfiles ,--input-file=FILE 从文件中取得URL地址列表 -F,--force-html 从html文件内读取地址列表 -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 -t [nuber of times],--tries=NUMBER 重试下载次数（0表示无穷次），当wget无法与服务器建立连接时，尝试连接多少次。比如"-t 120"表示尝试120次。当这一项为"0"的时候，指定尝试无穷多次直到连接成功为止； -w [number of seconds],--wait=SECONDS：重试延时(单位秒)，比如"-w 100"表示两次尝试之间等待100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 -O --output-document=FILE下载文件保存为别的文件名 -nc, --no-clobber 不要覆盖已经存在的文件或使用.#前缀 -c：断点续传，使用这一项需要远程服务器也支持断点续传，一般来讲，基于UNIX/Linux的Web/FTP服务器都支持断点续传； --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 -T [number of seconds],--timeout=SECONDS 设置超时时间(单位秒)，指定多长时间远程服务器没有响应就中断连接，开始下一次尝试。比如"-T 120"表示如果120秒以后远程服务器没有发过来数据，就重新尝试连接。如果网络速度比较快，这个时间可以设置的短些，相反，可以设置的长一些，一般最 多不超过900，通常也不少于60，一般设置在120左右比较合适； -S,--server-response 显示服务器响应 --spider                                 不下载任何东西 -Q [byetes],quota=number 限制下载文件的总大小最多不能超过多少，比如"-Q2k"表示不能超过2K字节，"-Q3m"表示最多不能超过3M字节，如果数字后面什么都不加，就表示是以字节为单位，比如"-Q200"表示最多不能超过200字节； --limit-rate=RATE                        限定下载输率 --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) 目录 -nd,--no-directories 不下载目录结构，把从服务器所有指定目录下载的文件都堆到当前目录里； -x,--force-directories 与"-nd"设置刚好相反，创建完整的目录结构，例如"wget -nd http://www.gnu.org"将创建在当前目录下创建"www.gnu.org"子目录，然后按照服务器实际的目录结构一级一级建下去，直到所 有的文件都传完为止； -nH, --no-host-directories 不创建以目标主机域名为目录名的目录，将目标主机的目录结构直接下到当前目录下； -P, --directory-prefix=PREFIX 将文件保存到目录 PREFIX/... --cut-dirs=NUMBER 忽略 NUMBER 个远端的目录元件. HTTP 选项: --http-user=USER 设定HTTP用户名为 USER --http-passwd=PASS 设定HTTP用户名为PASS，如果Web服务器需要指定用户名和口令，用这两项来设定； --proxy-user=USER设置代理用户 --proxy-passwd=PASS设置代理密码，如果代理服务器需要输入用户名和口令，使用这两个选项； -Y,--proxy=on/off 通过/不通过代理服务器进行连接 -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 下载整个网站、目录（小心使用） -l [depth],--level=NUMBER 下载远程服务器目录结构的深度(0或inf不限制)，例如"-l 5"下载目录深度小于或者等于5以内的目录结构或者文件；-l [depth] --delete-after 在下载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：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； -p, --page-requisites    下载显示HTML文件的所有图片 -A,--accept=LIST 可以接受的文件类型(分号分隔) -R,--reject=LIST 拒绝接受的文件类型(分号分隔) -D,--domains=LIST可以接受的域名(分号分隔) --exclude-domains=LIST拒绝的域名 --follow-ftp 下载 HTML 文件里面的 FTP 连结 --follow-tags=LIST 分号分隔的被跟踪的HTML标签的列表 -L,--relative 仅下载相对链接 -H,--span-hosts 可以下载外面的主机 -I,--include-directories=LIST允许的目录列表 -X,--exclude-directories=LIST 拒绝的目录列表 -np, --no-parent：只下载目标站点指定目录及其子目录的内容。这也是一个非常有用的选项，我们假设某个人的个人主页里面有一个指向这个站点其他人个 人主页的连接，而我们只想下载这个人的个人主页，如果不设置这个选项，甚至--有可能把整个站点给抓下来，这显然是我们通常不希望的； -G, --ignore-tags=LIST               分号分隔的被忽略的HTML标签的列表 -------------------------------------------------------------------------------------------------- wget -t0 -c -nH -np -b -m -P /localdir http://freesoft.online.sh.cn/mirrors/ftp.redhat.com -o wget.log 使用例子： 用wget下载整个网站 wget -r -p -np -k http://sources.redhat.com/gdb/current/onlinedocs/gdb_toc.html r    : 参数是指使用递归下载 p   : 下载所有显示完整网页所以需要的文件，如图片等 np : 不搜索上层目录 k   : 将绝对链接转换为相对链接 # 或者 wget -m http://www.tldp.org/LDP/abs/html/ 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/ -------------------------------------------------------------------------------------------------- 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",这造成阅读上的极大不方便。 -------------------------------------------------------------------------------------------------- 如果使用断点续传通过代理服务器下载的话，是会失败的。因为代理一个断点续传的话，代 理服务器仅能存储一个文件的不完全的拷贝。当你试图使用"wget -c"以获得文件的剩余部分时，代理服务器会核对存储文件，并会给出错误的信息告之你已经有了整个文件。为了成功的绕过文件的存储过程，我们通过在下载请 求中加上一个特殊的头信息骗过代理服务器： bash$ wget -c --header="Pragma: no-cache" http://place.your.url/here “- -header”选项可以加入任何头信息的数字或者约定的字符串，这样我们就可以修改web服务器和代理器的性能。一些站点拒绝对通过外面来源链接的文件 提供服务，只有来源于经过它同意的站点的其他页面时，文件内容才可以传送到浏览器当中。你可以通过添加一个“Referer:”头信息来传送文件： bash$ wget --header="Referer: http://coming.from.this/page" http://surfing.to.this/page 一些特殊的非公众的web站点只能将内容发送到一些特别的类型的浏览器中。可以使用“User-Agent:”头信息发送： bash$ wget --header="User-Agent: Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)" http://msie.only.url/here （注意：以上提供的技巧是被使用在满足内容许可机制的情况下使用。否则，将是违法的行为。）

转载于:https://www.cnblogs.com/doseoer/archive/2012/10/15/4007530.html