everyday:linux wget
功能说明
- wget是一个下载文件的工具，它用于命令行下。可以通过它，下载一些软件或从远程服务器恢复备份到本地服务器。
- wget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。
- 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。
命令详解
- 命令格式
wget [参数] [URL地址]
- 命令功能
用于从网络上下载资源，没有指定目录，下载资源会默认为当前目录。wget虽然功能强大，但是使用起来还是比较简单：
- 支持断点下载功能；
- 同时支持FTP和HTTP下载方式；尽管现在大部分软件，可以使用HTTP方式下载，但是，有些时候，仍然需要使用FTP方式下载软件；
- 支持代理服务器；对安全强度很高的系统而言，一般不会将自己的系统直接暴露在互联网上，所以，支持代理是下载软件必须有的功能；
- 设置方便简单；命令行在设置上其实有更多的优点，最少，鼠标可以少点很多次，也不要担心是否错点鼠标；
- 程序小，完全免费。
- 命令参数
-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
wget -S –spider url 不下载只显示过程
- 举例
// 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，剩余下载时间）。
wget http://image.beekka.com/blog/201109/bg2011091201.jpg
+ eg2 使用wget -O下载并以不同的文件名保存
// wget默认会以最后一个符合”/”的后面的字符来命令，对于动态链接的下载通常文件名会不正确。
// 为了解决这个问题，可以使用参数-O来指定一个文件名
wget -O bg2011091201.jpg http://image.beekka.com/blog/201109?id=89
+ eg3 使用wget --limit-rate限速下载
// 执行wget的时候，它默认会占用全部可能的宽带下载。
// 当准备下载一个大文件，而还需要下载其它文件时，就有必要进行限速了。
wget --limit-rate=300k http://image.beekka.com/blog/201109/bg2011091201.jpg
+ eg4 使用wget -c断点续传
// 使用wget -c重新启动下载中断的文件，对于下载大文件时，突然由于网络等原因中断，是非常有帮助，可以断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://image.beekka.com/blog/201109/bg2011091201.jpg
+ eg5 使用wget -b后台下载
// 对于下载非常大的文件的时候，可以使用参数-b进行后台下载。
wget -b http://image.beekka.com/blog/201109/bg2011091201.jpg
Continuing in background, pid 1840.
Output will be written to `wget-log'.
// 以使用以下命令来察看下载进度：
tail -f wget-log
+ eg6 伪装代理名称下载
// 有些网站能通过根据判断代理名称不是浏览器而拒绝下载请求。不过可以通过–user-agent参数伪装代理名称。
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://image.beekka.com/blog/201109/bg2011091201.jpg
+ eg7 使用wget --spider测试下载链接
// 当打算进行定时下载时，应该在预定时间测试下载链接是否有效。可以增加–spider参数进行检查。
wget --spider url
# 可以在以下几种情况下使用spider参数：
1. 定时下载之前进行检查
2. 间隔检测网站是否可用
3. 检查网站页面的死链接
+ eg8 使用wget --tries增加重试次数
// 网络有问题或下载一个大文件时，有可能会失败。
// wget默认重试20次连接下载文件。
// 如果需要，可以使用–tries增加重试次数。
wget --tries=40 url
+ eg9 使用wget -i下载多个文件
// 保存一份下载链接文件
cat > filelist.txt
url1
url2
url3
url4
// 使用这个文件和参数-i下载多个文件
wget -i filelist.txt
+ eg10 使用wget --mirror镜像网站
wget --mirror -p --convert-links -P ./LOCAL url
mem:
--mirror 开启镜像下载
-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
+ eg11 使用wget --reject过滤指定格式下载
// 下载一个网站，但是不希望下载图片，可以使用以下命令。
wget --reject=gif url
+ eg12 使用wget -o把下载信息存入日志文件
// 不希望下载信息直接显示在终端而是存入一个日志文件
wget -o download.log url
+ eg13 使用wget -Q限制总下载文件大小
// 保存一份下载链接文件
cat > filelist.txt
url1
url2
url3
url4
// 当要下载的文件超过5M，而退出下载。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。
wget -Q5m -i filelist.txt
+ eg14 使用wget -r -A下载指定格式文件
# 以下情况使用该功能：
1. 下载一个网站的所有图片
2. 下载一个网站的所有视频
3. 下载一个网站的所有PDF文件
wget -r -A .pdf url
+ eg15 使用wget FTP下载
// 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wget匿名ftp下载
wget ftp-url
- 编译安装
tar zxvf wget-1.9.1.tar.gz
cd wget-1.9.1
./configure
sudo make
sudo make install
