什么是wget命令
什么是wget命令
wget
wget是一個命令行工具——是歷史上最快的單線程傳輸工具，用于下載網站/批量文件，支持HTTP和FTP。 它的任務就是獲取互聯網。首先，基本上所有的面向個人計算機的Linux都帶 wget。
wget是一個從網絡上自動下載文件的自由工具。它支持HTTP，HTTPS和FTP協議，可以使用HTTP代理.
所謂的自動下載是指，wget可以在用戶退出系統的之后在后臺執行。這意味這你可以登錄系統，啟動一個wget下載任務，然后退出系統，wget將在后臺執行直到任務完成，相對于其它大部分瀏覽器在下載大量數據時需要用戶一直的參與，這省去了極大的麻煩。
wget可以跟蹤HTML頁面上的鏈接依次下載來創建遠程服務器的本地版本，完全重建原始站點的目錄結構。這又常被稱作"遞歸下載"。在遞歸下載的時候，wget遵循Robot Exclusion標準(/robots.txt). wget可以在下載的同時，將鏈接轉換成指向本地文件，以方便離線瀏覽。
wget非常穩定,它在帶寬很窄的情況下和不穩定網絡中有很強的適應性.如果是由于網絡的原因下載失敗，wget會不斷的嘗試，直到整個文件下載完畢。如果是服務器打斷下載過程，它會再次聯到服務器上從停止的地方繼續下載。這對從那些限定了鏈接時間的服務器上下載大文件非常有用
命令格式
wget [options] [URL]
用wget做站點鏡像
wget -r -p -np -k [url]
# 或者
wget -m [url]
在不穩定的網絡上下載一個部分下載的文件，以及在空閑時段下載
wget -t 0 -w 31 -c [url] -o down.log &
從filelist讀入要下載的文件列表
wget -t 0 -w 31 -c -B [url] -i filelist.txt -o down.log &
上面的代碼還可以用來在網絡比較空閑的時段進行下載。我的用法是:在mozilla中將不方便當時下載的URL鏈接拷貝到內存中然后粘貼到文件filelist.txt中，在晚上要出去系統前執行上面代碼的第二條。
使用代理下載
wget -Y on -p -k [url]
代理可以在環境變量或wgetrc文件中設定
在環境變量中設定代理
export PROXY=http://211.90.168.94:8080/
在~/.wgetrc中設定代理
http_proxy = http://proxy.yoyodyne.com:18023/ ftp_proxy = http://proxy.yoyodyne.com:18023/
wget示例
如果我們想下載ftp里面某個目錄里面的所有文件，
wget -r ftp://10.8.8.8/movie/
呵呵，等吧！下完了，發覺有些不對勁，怎么出來個10.8.8.8的目錄，進去看看，又是一個movie，哦，wget將目錄結構和網站標題都給記錄下來了，不要？？沒有問題！比如說還是這個例子
wget -r -nd ftp://10.8.8.8/movie/
結果什么目錄都沒有了，faint！怎么會這樣？呵呵，你如果想要這樣就讓它這樣吧，否則使用
wget -r -nH ftp://10.8.8.8/movie/
恩？movie也不要？OK，那就這樣
wget -r -nH --cut-dirs=1 ftp://10.8.8.8/movie/
斷線了？超時了？ 加個 -c 繼續
wget -c -r -nH --cut-dirs=1 ftp://10.8.8.8/movie/
我們下載這里面所有的宏包，呵呵
wget -r -k http://www.ctan.org/tex-archive/macros/latex/
-k表示將連接轉換為本地連接。但是現在同樣有上面的問題啊，那就把你需要的加上吧，另外也許你根本不需要向下走那么多層，比如，我們就要到第二層，那么
wget -r -l2 -k http://www.ctan.org/tex-archive/macros/latex/
現在新的問題是，由于網頁有一個排序功能，很討厭，因為下載的時候把網頁重復了好多次，那么我們可使用-A和-R開關控制下載類型，并且可以使用通配符，呵呵，現在隨心所欲了吧
wget -r -R ".htm\?*" -k http://www.ctan.org/tex-archive/macros/latex/
這次沒有那種網頁了吧？-R的意義在于拒絕下載匹配類型的文件，-A表示僅僅接受的文件類型，如-A "*.gif"將僅下載gif圖片，如果有多個允許或者不允許，可以使用,分開。
那么，我們現在在使用代理服務器，怎么辦呢？呵呵，很高興你選擇了wget，你可以使用它的配置文件，環境變量來利用代理。這里推薦使用環境變量，如在 bash里面我們可以把天天用的proxy加到.bash_profile里面，這是Linux標準寫法（很多軟件都用的，什么apt-get，yum等等）
export http_proxy=http://10.20.30.40:8080/
然后，proxy就默認打開了，如果需要暫時關閉，可以使用
wget --proxy=off -r -k http://www.ctan.org/tex-archive/macros/latex/
當然，寫一個.wgetrc文件也可以，該文件可以從/usr/local/etc里面找到，里面有很詳細的注釋，我就不多說了。
下載網頁的時候比較麻煩的事情是，有的網頁被同時指向了很多遍，那么為了避免多次下載，我們使用
wget -nc -r -k http://www.ctan.org/tex-archive/macros/latex/
可以避免這件事情。為了不被有的連接指向非http://www.ctan.org/tex-archive/macros/latex/ 內層目錄，我們還應該加上
wget -nc -np -r -k http://www.ctan.org/tex-archive/macros/latex/
避免下載非該目錄里面的文件，這也避免了到不同的host上面去。當然，如果你希望有這個功能，在多個host之間跳來跳去的下載，可以使用
wget -nc -np -H -r -k http://www.ctan.org/tex-archive/macros/latex/
使得可以在多個host之間span，同時-I和-X可以使得我們僅僅跟蹤某些目錄或者不跟蹤某些目錄。如果某些HTML里面你需要的東西不是由這種東西作出來的，你就得使用--follow-tags和--ignore-tags了。
嘿，我有個文件里面都是連接，怎么辦？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
下面是補充：
wget -m ftp://ipaddress/*
-m 做站點鏡像時的選項，如果你想做一個站點的鏡像，使用這個選項，它將自動設定其他合適的選項以便于站點鏡像；等價于 -r -N -l inf -nr.
參數類型
啟動
- -V, --version 顯示wget的版本后退出
- -h, --help 打印語法幫助
- -b, --background 啟動后轉入后臺執行
- -e, --execute=COMMAND 執行`.wgetrc'格式的命令，wgetrc格式參見/etc/wgetrc或~/.wgetrc
記錄和輸入文件
- -o, --output-file=FILE 把記錄寫到FILE文件中
- -a, --append-output=FILE 把記錄追加到FILE文件中
- -d, --debug 打印調試輸出
- -q, --quiet 安靜模式(沒有輸出)
- -v, --verbose 冗長模式(這是缺省設置)
- -nv, --non-verbose 關掉冗長模式，但不是安靜模式
- -i, --input-file=FILE 下載在FILE文件中出現的URLs
- -F, --force-html 把輸入文件當作HTML格式文件對待
- -B, --base=URL 將URL作為在-F -i參數指定的文件中出現的相對鏈接的前綴
- --sslcertfile=FILE 可選客戶端證書
- --sslcertkey=KEYFILE 可選客戶端證書的KEYFILE
- --egd-file=FILE 指定EGD socket的文件名
下載
- --bind-address=ADDRESS 指定本地使用地址(主機名或IP，當本地有多個IP或名字時使用)
- -t, --tries=NUMBER 設定最大嘗試鏈接次數(0 表示無限制).
- -O --output-document=FILE 把文檔寫到FILE文件中
- -nc, --no-clobber 不要覆蓋存在的文件或使用.#前綴
- -c, --continue 接著下載沒下載完的文件
- --progress=TYPE 設定進程條標記
- -N, --timestamping 不要重新下載文件除非比本地文件新
- -S, --server-response 打印服務器的回應
- --spider 不下載任何東西
- -T, --timeout=SECONDS 設定響應超時的秒數
- -w, --wait=SECONDS 兩次嘗試之間間隔SECONDS秒
- --waitretry=SECONDS 在重新鏈接之間等待1...SECONDS秒
- --random-wait 在下載之間等待0...2*WAIT秒
- -Y, --proxy=on/off 打開或關閉代理
- -Q, --quota=NUMBER 設置下載的容量限制
- --limit-rate=RATE 限定下載輸率
目錄
- -nd --no-directories 不創建目錄
- -x, --force-directories 強制創建目錄
- -nH, --no-host-directories 不創建主機目錄
- -P, --directory-prefix=PREFIX 將文件保存到目錄 PREFIX/...
- --cut-dirs=NUMBER 忽略 NUMBER層遠程目錄
HTTP 選項
- --http-user=USER 設定HTTP用戶名為 USER.
- --http-passwd=PASS 設定http密碼為 PASS.
- -C, --cache=on/off 允許/不允許服務器端的數據緩存 (一般情況下允許).
- -E, --html-extension 將所有text/html文檔以.html擴展名保存
- --ignore-length 忽略 `Content-Length'頭域
- --header=STRING 在headers中插入字符串 STRING
- --proxy-user=USER 設定代理的用戶名為 USER
- --proxy-passwd=PASS 設定代理的密碼為 PASS
- --referer=URL 在HTTP請求中包含 `Referer: URL'頭
- -s, --save-headers 保存HTTP頭到文件
- -U, --user-agent=AGENT 設定代理的名稱為 AGENT而不是 Wget/VERSION.
- --no-http-keep-alive 關閉 HTTP活動鏈接 (永遠鏈接).
- --cookies=off 不使用 cookies.
- --load-cookies=FILE 在開始會話前從文件 FILE中加載cookie
- --save-cookies=FILE 在會話結束后將 cookies保存到 FILE文件中
FTP 選項
- -nr, --dont-remove-listing 不移走 `.listing'文件
- -g, --glob=on/off 打開或關閉文件名的 globbing機制
- --passive-ftp 使用被動傳輸模式 (缺省值).
- --active-ftp 使用主動傳輸模式
- --retr-symlinks 在遞歸的時候，將鏈接指向文件(而不是目錄)
遞歸下載
- -r, --recursive 遞歸下載－－慎用!
- -l, --level=NUMBER 最大遞歸深度 (inf 或 0 代表無窮).
- --delete-after 在現在完畢后局部刪除文件
- -k, --convert-links 轉換非相對鏈接為相對鏈接
- -K, --backup-converted 在轉換文件X之前，將之備份為 X.orig
- -m, --mirror 等價于 -r -N -l inf -nr.
- -p, --page-requisites 下載顯示HTML文件的所有圖片
遞歸下載中的包含和不包含(accept/reject)
- -A, --accept=LIST 分號分隔的被接受擴展名的列表
- -R, --reject=LIST 分號分隔的不被接受的擴展名的列表
- -D, --domains=LIST 分號分隔的被接受域的列表
- --exclude-domains=LIST 分號分隔的不被接受的域的列表
- --follow-ftp 跟蹤HTML文檔中的FTP鏈接
- --follow-tags=LIST 分號分隔的被跟蹤的HTML標簽的列表
- -G, --ignore-tags=LIST 分號分隔的被忽略的HTML標簽的列表
- -H, --span-hosts 當遞歸時轉到外部主機
- -L, --relative 僅僅跟蹤相對鏈接
- -I, --include-directories=LIST 允許目錄的列表
- -X, --exclude-directories=LIST 不被包含目錄的列表
- -np, --no-parent 不要追溯到父目錄