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(lián)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(xié)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(tǒng)的之后在后臺執(zhí)行。這意味這你可以登錄系統(tǒng)，啟動一個wget下載任務，然后退出系統(tǒng)，wget將在后臺執(zhí)行直到任務完成，相對于其它大部分瀏覽器在下載大量數(shù)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(chuàng)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(wěn)定,它在帶寬很窄的情況下和不穩(wěn)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(lián)到服務器上從停止的地方繼續(xù)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(wěn)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(tǒng)前執(zhí)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(huán)境變量或wgetrc文件中設定

在環(huán)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(fā)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(xù)

 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(xiàn)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(xiàn)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(xiàn)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(xiàn)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(huán)境變量來利用代理。這里推薦使用環(huán)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(shù)類型

啟動

1. -V, --version 顯示wget的版本后退出
2. -h, --help 打印語法幫助
3. -b, --background 啟動后轉入后臺執(zhí)行
4. -e, --execute=COMMAND 執(zhí)行`.wgetrc'格式的命令，wgetrc格式參見/etc/wgetrc或~/.wgetrc

記錄和輸入文件

1. -o, --output-file=FILE 把記錄寫到FILE文件中
2. -a, --append-output=FILE 把記錄追加到FILE文件中
3. -d, --debug 打印調試輸出
4. -q, --quiet 安靜模式(沒有輸出)
5. -v, --verbose 冗長模式(這是缺省設置)
6. -nv, --non-verbose 關掉冗長模式，但不是安靜模式
7. -i, --input-file=FILE 下載在FILE文件中出現(xiàn)的URLs
8. -F, --force-html 把輸入文件當作HTML格式文件對待
9. -B, --base=URL 將URL作為在-F -i參數(shù)指定的文件中出現(xiàn)的相對鏈接的前綴
10. --sslcertfile=FILE 可選客戶端證書
11. --sslcertkey=KEYFILE 可選客戶端證書的KEYFILE
12. --egd-file=FILE 指定EGD socket的文件名

下載

1. --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)
2. -t, --tries=NUMBER 設定最大嘗試鏈接次數(shù)(0 表示無限制).
3. -O --output-document=FILE 把文檔寫到FILE文件中
4. -nc, --no-clobber 不要覆蓋存在的文件或使用.#前綴
5. -c, --continue 接著下載沒下載完的文件
6. --progress=TYPE 設定進程條標記
7. -N, --timestamping 不要重新下載文件除非比本地文件新
8. -S, --server-response 打印服務器的回應
9. --spider 不下載任何東西
10. -T, --timeout=SECONDS 設定響應超時的秒數(shù)
11. -w, --wait=SECONDS 兩次嘗試之間間隔SECONDS秒
12. --waitretry=SECONDS 在重新鏈接之間等待1...SECONDS秒
13. --random-wait 在下載之間等待0...2*WAIT秒
14. -Y, --proxy=on/off 打開或關閉代理
15. -Q, --quota=NUMBER 設置下載的容量限制
16. --limit-rate=RATE 限定下載輸率

目錄

1. -nd --no-directories 不創(chuàng)建目錄
2. -x, --force-directories 強制創(chuàng)建目錄
3. -nH, --no-host-directories 不創(chuàng)建主機目錄
4. -P, --directory-prefix=PREFIX 將文件保存到目錄 PREFIX/...
5. --cut-dirs=NUMBER 忽略 NUMBER層遠程目錄

HTTP 選項

1. --http-user=USER 設定HTTP用戶名為 USER.
2. --http-passwd=PASS 設定http密碼為 PASS.
3. -C, --cache=on/off 允許/不允許服務器端的數(shù)據緩存 (一般情況下允許).
4. -E, --html-extension 將所有text/html文檔以.html擴展名保存
5. --ignore-length 忽略 `Content-Length'頭域
6. --header=STRING 在headers中插入字符串 STRING
7. --proxy-user=USER 設定代理的用戶名為 USER
8. --proxy-passwd=PASS 設定代理的密碼為 PASS
9. --referer=URL 在HTTP請求中包含 `Referer: URL'頭
10. -s, --save-headers 保存HTTP頭到文件
11. -U, --user-agent=AGENT 設定代理的名稱為 AGENT而不是 Wget/VERSION.
12. --no-http-keep-alive 關閉 HTTP活動鏈接 (永遠鏈接).
13. --cookies=off 不使用 cookies.
14. --load-cookies=FILE 在開始會話前從文件 FILE中加載cookie
15. --save-cookies=FILE 在會話結束后將 cookies保存到 FILE文件中

FTP 選項

1. -nr, --dont-remove-listing 不移走 `.listing'文件
2. -g, --glob=on/off 打開或關閉文件名的 globbing機制
3. --passive-ftp 使用被動傳輸模式 (缺省值).
4. --active-ftp 使用主動傳輸模式
5. --retr-symlinks 在遞歸的時候，將鏈接指向文件(而不是目錄)

遞歸下載

1. -r, --recursive 遞歸下載－－慎用!
2. -l, --level=NUMBER 最大遞歸深度 (inf 或 0 代表無窮).
3. --delete-after 在現(xiàn)在完畢后局部刪除文件
4. -k, --convert-links 轉換非相對鏈接為相對鏈接
5. -K, --backup-converted 在轉換文件X之前，將之備份為 X.orig
6. -m, --mirror 等價于 -r -N -l inf -nr.
7. -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)

1. -A, --accept=LIST 分號分隔的被接受擴展名的列表
2. -R, --reject=LIST 分號分隔的不被接受的擴展名的列表
3. -D, --domains=LIST 分號分隔的被接受域的列表
4. --exclude-domains=LIST 分號分隔的不被接受的域的列表
5. --follow-ftp 跟蹤HTML文檔中的FTP鏈接
6. --follow-tags=LIST 分號分隔的被跟蹤的HTML標簽的列表
7. -G, --ignore-tags=LIST 分號分隔的被忽略的HTML標簽的列表
8. -H, --span-hosts 當遞歸時轉到外部主機
9. -L, --relative 僅僅跟蹤相對鏈接
10. -I, --include-directories=LIST 允許目錄的列表
11. -X, --exclude-directories=LIST 不被包含目錄的列表
12. -np, --no-parent 不要追溯到父目錄