Chinaunix首页 | 论坛 | 博客
  • 博客访问: 5379737
  • 博文数量: 763
  • 博客积分: 12108
  • 博客等级: 上将
  • 技术积分: 15717
  • 用 户 组: 普通用户
  • 注册时间: 2007-09-28 21:21
个人简介

业精于勤,荒于嬉

文章分类

全部博文(763)

文章存档

2018年(6)

2017年(15)

2016年(2)

2015年(31)

2014年(14)

2013年(87)

2012年(75)

2011年(94)

2010年(190)

2009年(38)

2008年(183)

2007年(28)

分类: LINUX

2010-02-03 22:03:57

 
(网站本地镜像命令:  wget -r -p -np -k
 
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不但功能强大,而且使用起来比较简单,
基本的语法是:wget [参数列表] "URL" 用""引起来可以避免因URL中有特殊字符造成的下载出错。
下面就结合具体的例子来说明一下wget的用法。
     1、下载整个http或者ftp站点。
     wget

     这个命令可以将

首页下载下来。使用-x会强制建立服务器上一模一样的目录,如果使用-nd参数,那么服务器上下载的所有内容都会加到本地当前目录。
     wget -r

     这个命令会按照递归的方法,下载服务器上所有的目录和文件,实质就是下载整个网站。这个命令一定要小心使用,因为在下载的时候,被下载网站指向的所有地址 同样会被下载,因此,如果这个网站引用了其他网站,那么被引用的网站也会被下载下来!基于这个原因,这个参数不常用。可以用-l number参数来指定下载的层次。例如只下载两层,那么使用-l 2。
     要是您想制作镜像站点,那么可以使用-m参数,例如:wget -m

     这时wget会自动判断合适的参数来制作镜像站点。此时,wget会登录到服务器上,读入robots.txt并按robots.txt的规定来执行。
     2、断点续传。
     当文件特别大或者网络特别慢的时候,往往一个文件还没有下载完,连接就已经被切断,此时就需要断点续传。wget的断点续传是自动的,只需要使用-c参数,例如:
     wget -c

     使用断点续传要求服务器支持断点续传。-t参数表示重试次数,例如需要重试100次,那么就写-t 100,如果设成-t 0,那么表示无穷次重试,直到连接成功。-T参数表示超时等待时间,例如-T 120,表示等待120秒连接不上就算超时。
     3、批量下载。
     如果有多个文件需要下载,那么可以生成一个文件,把每个文件的URL写一行,例如生成文件download.txt,然后用命令:wget -i download.txt
这样就会把download.txt里面列出的每个URL都下载下来。(如果列的是文件就下载文件,如果列的是网站,那么下载首页)
     4、选择性的下载。
     可以指定让wget只下载一类文件,或者不下载什么文件。例如:
     wget -m --reject=gif

     表示下载

,但是忽略gif文件。--accept=LIST 可以接受的文件类型,--reject=LIST拒绝接受的文件类型。
     5、密码和认证。
     wget只能处理利用用户名/密码方式限制访问的网站,可以利用两个参数:
     --http-user=USER设置HTTP用户
     --http-passwd=PASS设置HTTP密码
     对于需要证书做认证的网站,就只能利用其他下载工具了,例如curl。
     6、利用代理服务器进行下载。
     如果用户的网络需要经过代理服务器,那么可以让wget通过代理服务器进行文件的下载。此时需要在当前用户的目录下创建一个.wgetrc文件。文件中可以设置代理服务器:
     http-proxy = 111.111.111.111:8080
     ftp-proxy = 111.111.111.111:8080
     分别表示http的代理服务器和ftp的代理服务器。如果代理服务器需要密码则使用:
     --proxy-user=USER设置代理用户
     --proxy-passwd=PASS设置代理密码
     这两个参数。
     使用参数--proxy=on/off 使用或者关闭代理。
     wget还有很多有用的功能,需要用户去挖掘。
wget的使用格式
Usage: wget [OPTION]... [URL]...
* 用wget做站点镜像:
wget -r -p -np -k

# 或者
wget -m

* 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

-o down.log &
# 或者从filelist读入要下载的文件列表
wget -t 0 -w 31 -c -B

-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

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=
# 在~/.wgetrc中设定代理
http_proxy =

ftp_proxy =

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

wget -S --spider url 不下载只显示过程

本文来自ChinaUnix博客,如果查看原文请点:http://blog.chinaunix.net/u/22583/showart_1964657.html
阅读(9354) | 评论(0) | 转发(2) |
给主人留下些什么吧!~~