查看: 11852|回复: 2

wget

[复制链接]

唏唏鉿鉿HJP

电梯直达

1^#

发表于 2009-12-1 00:09:05 | 只看该作者回帖奖励

|倒序浏览 |阅读模式

[转自]http://www.amigosky.com/post/83.htm

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://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/

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",这造成阅读上的极大不方便。

收藏0