Linux中的wget

wget - web get

Linux系统中的wget是一个下载文件的工具,它用在命令行下,是最常用的CLI工具之一。wget非常稳定,支持断点续传,支持HTTP,HTTPS和FTP协议,可以使用HTTP代理。

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,因此可以作为网络爬虫工具。

命令格式

wget 参数 URL

命令参数:

启动参数:

  • -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

记录和输入文件参数

  • -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

下载参数

  • -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
  • -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

目录参数

  • -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 选项参数

  • -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 选项参数

  • -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)

递归下载参数

  • -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

使用实例

实例1:使用wget下载单个文件

$wget http://www.xxx.com/wordpress-3.1-zh_CN.zip

说明:以上例子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)。

实例2:使用wget -O下载并以不同的文件名保存

$wget -O wordpress.zip http://www.xxx.com/download.aspx?id=1080

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。

实例3:使用wget –limit -rate限速下载

$wget --limit-rate=300k http://www.xxx.com/wordpress-3.1-zh_CN.zip

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。

实例4:使用wget -c断点续传

$wget -c http://www.xxx.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。

实例5:使用wget -b后台下载

$wget -b http://www.xxx.com/wordpress-3.1-zh_CN.zip
Continuing in background, pid 1840.
Output will be written to 'wget-log'.

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。

你可以使用以下命令来察看下载进度:

$tail -f wget-log

实例6:伪装代理名称下载

$wget --user-agent="Mozilla/5.0 (Macintosh; Intel Mac OS X 10_13_6) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/60.0.3497.81 Safari/537.36" http://www.xxx.com/wordpress-3.1-zh_CN.zip

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。

实例7:使用wget -i下载多个文件

首先,保存一份下载链接文件,接着使用这个文件和参数-i下载:

$cat > filelist.txt
url1
url2
url3
url4

$wget -i filelist.txt

实例8:使用wget –mirror镜像网站

$wget --mirror -p --convert-links -P ./LOCAL URL
# 镜像下载 下载所有为了html页面依赖文件 下载后,转换成本地的链接 保存所有文件和目录到本地指定目录
$wget -c -r -np -k -L -p www.xxx.org/pub/path/
#断点续传 递归下载 不搜索上层目录 将绝对链接转为相对链接 递归时不进入其它主机 下载网页所需的所有文件

实例9: 使用wget -r -A下载指定格式文件

$wget -r -A.pdf url
  • 可以在以下情况使用该功能:

    下载一个网站的所有图片下载一个网站的所有视频下载一个网站的所有PDF文件

实例10:使用wget FTP下载

$wget ftp-url
$wget --ftp-user=USERNAME --ftp-password=PASSWORD url
  • 可以使用wget来完成ftp链接的下载

    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

编译安装

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