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 [参数] [URL地址]
用于从网络上下载资源,没有指定目录,下载资源回默认为当前目录。wget虽然功能强大,但是使用起来还是比较简单:
短格式 | 长格式 | 说明 |
---|---|---|
-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 |
短格式 | 长格式 | 说明 |
---|---|---|
-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 |
短格式 | 长格式 | 说明 |
---|---|---|
–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 | 限定下载速率 |
短格式 | 长格式 | 说明 |
---|---|---|
-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 |
短格式 | 长格式 | 说明 |
---|---|---|
–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 |
短格式 | 长格式 | 说明 |
---|---|---|
-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) |
短格式 | 长格式 | 说明 |
---|---|---|
-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 |
短格式 | 长格式 | 说明 |
---|---|---|
-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 |
wget -S –spider url ## 不下载只显示过程
以下的例子是从网络下载一个文件并保存在当前目录,在下载的过程中会显示进度条,包含下载完成百分比,已经下载的字节,当前下载速度和剩余下载时间:
wget http://www.minjieren.com/wordpress-3.1-zh_CN.zip
wget默认会以最后一个符合”/”的后面的字符来命名,对于动态链接的下载通常文件名会不正确
下面的例子会下载一个文件并以名称download.aspx?id=1080保存,即使下载的文件是zip格式,它仍然以download.php?id=1080命令:
wget http://www.minjieren.com/download?id=1
为了解决这个问题,我们可以使用参数-O来指定一个文件名:
wget -O wordpress.zip http://www.minjieren.com/download.aspx?id=1080
当你执行wget的时候,它默认会占用全部可能的宽带下载。但是当你准备下载一个大文件,而你还需要下载其它文件时就有必要限速了:
wget --limit-rate=300k http://www.minjieren.com/wordpress-3.1-zh_CN.zip
使用wget -c重新启动下载中断的文件,对于我们下载大文件时突然由于网络等原因中断非常有帮助,我们可以继续接着下载而不是重新下载一个文件。需要继续中断的下载时可以使用-c参数
wget -c http://www.minjieren.com/wordpress-3.1-zh_CN.zip
对于下载非常大的文件的时候,我们可以使用参数-b进行后台下载
wget -b http://www.minjieren.com/wordpress-3.1-zh_CN.zip
wget -b http://www.minjieren.com/wordpress-3.1-zh_CN.zip
Continuing in background, pid 1840.
Output will be written to `wget-log'.
你可以使用以下命令来察看下载进度:
tail -f wget-log
有些网站能通过根据判断代理名称不是浏览器而拒绝你的下载请求。不过你可以通过–user-agent参数伪装。
wget --user-agent="Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10.0.648.204 Safari/534.16" http://www.minjieren.com/wordpress-3.1-zh_CN.zip
当你打算进行定时下载,你应该在预定时间测试下载链接是否有效。我们可以增加–spider参数进行检查。
wget --spider URL
如果下载链接正确,将会显示:
wget --spider URL
Spider mode enabled. Check if remote file exists.
HTTP request sent, awaiting response... 200 OK
Length: unspecified [text/html]
Remote file exists and could contain further links,
but recursion is disabled -- not retrieving.
这保证了下载能在预定的时间进行,但当你给错了一个链接,将会显示如下错误:
wget --spider url
Spider mode enabled. Check if remote file exists.
HTTP request sent, awaiting response... 404 Not Found
Remote file does not exist -- broken link!!!
你可以在以下几种情况下使用spider参数:
如果网络有问题或下载一个大文件也有可能失败。wget默认重试20次连接下载文件。如果需要,你可以使用–tries增加重试次数:
wget --tries=40 URL
首先,保存一份下载链接文件:
cat > filelist.txt
url1
url2
url3
url4
接着使用这个文件和参数-i下载:
wget -i filelist.txt
下载整个网站到本地:
wget --mirror -p --convert-links -P ./LOCAL URL
说明:
–miror:开户镜像下载
-p:下载所有为了html页面显示正常的文件
–convert-links:下载后,转换成本地的链接
-P ./LOCAL:保存所有文件和目录到本地指定目录
下载一个网站,但你不希望下载图片,可以使用以下命令:
wget --reject=gif ur
不希望下载信息直接显示在终端而是在一个日志文件,可以使用:
wget -o download.log URL
命令:
wget -Q5m -i filelist.txt
说明:
当你想要下载的文件超过5M而退出下载,你可以使用。注意:这个参数对单个文件下载不起作用,只能递归下载时才有效。
Example:
wget -r -A.pdf url
可以在以下情况使用该功能:
使用wget匿名ftp下载:
wget ftp-url
使用wget用户名和密码认证的ftp下载
wget --ftp-user=USERNAME --ftp-password=PASSWORD url
使用如下命令编译安装:
# tar zxvf wget-1.9.1.tar.gz
# cd wget-1.9.1
# ./configure
# make
# make install