wget

wget是一个命令行工具——是历史上最快的单线程传输工具，用于下载网站/批量文件，支持HTTP和FTP。 它的任务就是获取互联网。首先，基本上所有的面向个人计算机的Linux都带 wget。

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

命令格式

 wget [options] [URL]

用wget做站点镜像

 wget -r -p -np -k [url]

# 或者

 wget -m [url] 

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 [url] -o down.log &

从filelist读入要下载的文件列表

 wget -t 0 -w 31 -c -B [url] -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 [url]

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=http://211.90.168.94:8080/

在~/.wgetrc中设定代理

 http_proxy = http://proxy.yoyodyne.com:18023/ ftp_proxy = http://proxy.yoyodyne.com:18023/

wget示例

如果我们想下载ftp里面某个目录里面的所有文件，

 wget -r ftp://10.8.8.8/movie/ 

呵呵，等吧！下完了，发觉有些不对劲，怎么出来个10.8.8.8的目录，进去看看，又是一个movie，哦，wget将目录结构和网站标题都给记录下来了，不要？？没有问题！比如说还是这个例子

 wget -r -nd ftp://10.8.8.8/movie/ 

结果什么目录都没有了，faint！怎么会这样？呵呵，你如果想要这样就让它这样吧，否则使用

 wget -r -nH ftp://10.8.8.8/movie/ 

恩？movie也不要？OK，那就这样

 wget -r -nH --cut-dirs=1 ftp://10.8.8.8/movie/ 

断线了？超时了？ 加个 -c 继续

 wget -c -r -nH --cut-dirs=1 ftp://10.8.8.8/movie/ 

我们下载这里面所有的宏包，呵呵

 wget -r -k http://www.ctan.org/tex-archive/macros/latex/ 

-k表示将连接转换为本地连接。但是现在同样有上面的问题啊，那就把你需要的加上吧，另外也许你根本不需要向下走那么多层，比如，我们就要到第二层，那么

 wget -r -l2 -k http://www.ctan.org/tex-archive/macros/latex/ 

现在新的问题是，由于网页有一个排序功能，很讨厌，因为下载的时候把网页重复了好多次，那么我们可使用-A和-R开关控制下载类型，并且可以使用通配符，呵呵，现在随心所欲了吧

 wget -r -R ".htm\?*" -k http://www.ctan.org/tex-archive/macros/latex/ 

这次没有那种网页了吧？-R的意义在于拒绝下载匹配类型的文件，-A表示仅仅接受的文件类型，如-A "*.gif"将仅下载gif图片，如果有多个允许或者不允许，可以使用,分开。

那么，我们现在在使用代理服务器，怎么办呢？呵呵，很高兴你选择了wget，你可以使用它的配置文件，环境变量来利用代理。这里推荐使用环境变量，如在 bash里面我们可以把天天用的proxy加到.bash_profile里面，这是Linux标准写法（很多软件都用的，什么apt-get，yum等等）

 export http_proxy=http://10.20.30.40:8080/ 

然后，proxy就默认打开了，如果需要暂时关闭，可以使用

 wget --proxy=off -r -k http://www.ctan.org/tex-archive/macros/latex/ 

当然，写一个.wgetrc文件也可以，该文件可以从/usr/local/etc里面找到，里面有很详细的注释，我就不多说了。

下载网页的时候比较麻烦的事情是，有的网页被同时指向了很多遍，那么为了避免多次下载，我们使用

 wget -nc -r -k http://www.ctan.org/tex-archive/macros/latex/ 

可以避免这件事情。为了不被有的连接指向非http://www.ctan.org/tex-archive/macros/latex/ 内层目录，我们还应该加上

 wget -nc -np -r -k http://www.ctan.org/tex-archive/macros/latex/ 

避免下载非该目录里面的文件，这也避免了到不同的host上面去。当然，如果你希望有这个功能，在多个host之间跳来跳去的下载，可以使用

 wget -nc -np -H -r -k http://www.ctan.org/tex-archive/macros/latex/ 

使得可以在多个host之间span，同时-I和-X可以使得我们仅仅跟踪某些目录或者不跟踪某些目录。如果某些HTML里面你需要的东西不是由这种东西作出来的，你就得使用--follow-tags和--ignore-tags了。

嘿，我有个文件里面都是连接，怎么办？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 

下面是补充：

wget -m ftp://ipaddress/*

-m 做站点镜像时的选项，如果你想做一个站点的镜像，使用这个选项，它将自动设定其他合适的选项以便于站点镜像；等价于 -r -N -l inf -nr.

参数类型

启动

1. -V, --version 显示wget的版本后退出
2. -h, --help 打印语法帮助
3. -b, --background 启动后转入后台执行
4. -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

1. -o, --output-file=FILE 把记录写到FILE文件中
2. -a, --append-output=FILE 把记录追加到FILE文件中
3. -d, --debug 打印调试输出
4. -q, --quiet 安静模式(没有输出)
5. -v, --verbose 冗长模式(这是缺省设置)
6. -nv, --non-verbose 关掉冗长模式，但不是安静模式
7. -i, --input-file=FILE 下载在FILE文件中出现的URLs
8. -F, --force-html 把输入文件当作HTML格式文件对待
9. -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
10. --sslcertfile=FILE 可选客户端证书
11. --sslcertkey=KEYFILE 可选客户端证书的KEYFILE
12. --egd-file=FILE 指定EGD socket的文件名

下载

1. --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)
2. -t, --tries=NUMBER 设定最大尝试链接次数(0 表示无限制).
3. -O --output-document=FILE 把文档写到FILE文件中
4. -nc, --no-clobber 不要覆盖存在的文件或使用.#前缀
5. -c, --continue 接着下载没下载完的文件
6. --progress=TYPE 设定进程条标记
7. -N, --timestamping 不要重新下载文件除非比本地文件新
8. -S, --server-response 打印服务器的回应
9. --spider 不下载任何东西
10. -T, --timeout=SECONDS 设定响应超时的秒数
11. -w, --wait=SECONDS 两次尝试之间间隔SECONDS秒
12. --waitretry=SECONDS 在重新链接之间等待1...SECONDS秒
13. --random-wait 在下载之间等待0...2*WAIT秒
14. -Y, --proxy=on/off 打开或关闭代理
15. -Q, --quota=NUMBER 设置下载的容量限制
16. --limit-rate=RATE 限定下载输率

目录

1. -nd --no-directories 不创建目录
2. -x, --force-directories 强制创建目录
3. -nH, --no-host-directories 不创建主机目录
4. -P, --directory-prefix=PREFIX 将文件保存到目录 PREFIX/...
5. --cut-dirs=NUMBER 忽略 NUMBER层远程目录

HTTP 选项

1. --http-user=USER 设定HTTP用户名为 USER.
2. --http-passwd=PASS 设定http密码为 PASS.
3. -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).
4. -E, --html-extension 将所有text/html文档以.html扩展名保存
5. --ignore-length 忽略 `Content-Length'头域
6. --header=STRING 在headers中插入字符串 STRING
7. --proxy-user=USER 设定代理的用户名为 USER
8. --proxy-passwd=PASS 设定代理的密码为 PASS
9. --referer=URL 在HTTP请求中包含 `Referer: URL'头
10. -s, --save-headers 保存HTTP头到文件
11. -U, --user-agent=AGENT 设定代理的名称为 AGENT而不是 Wget/VERSION.
12. --no-http-keep-alive 关闭 HTTP活动链接 (永远链接).
13. --cookies=off 不使用 cookies.
14. --load-cookies=FILE 在开始会话前从文件 FILE中加载cookie
15. --save-cookies=FILE 在会话结束后将 cookies保存到 FILE文件中

FTP 选项

1. -nr, --dont-remove-listing 不移走 `.listing'文件
2. -g, --glob=on/off 打开或关闭文件名的 globbing机制
3. --passive-ftp 使用被动传输模式 (缺省值).
4. --active-ftp 使用主动传输模式
5. --retr-symlinks 在递归的时候，将链接指向文件(而不是目录)

递归下载

1. -r, --recursive 递归下载－－慎用!
2. -l, --level=NUMBER 最大递归深度 (inf 或 0 代表无穷).
3. --delete-after 在现在完毕后局部删除文件
4. -k, --convert-links 转换非相对链接为相对链接
5. -K, --backup-converted 在转换文件X之前，将之备份为 X.orig
6. -m, --mirror 等价于 -r -N -l inf -nr.
7. -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)

1. -A, --accept=LIST 分号分隔的被接受扩展名的列表
2. -R, --reject=LIST 分号分隔的不被接受的扩展名的列表
3. -D, --domains=LIST 分号分隔的被接受域的列表
4. --exclude-domains=LIST 分号分隔的不被接受的域的列表
5. --follow-ftp 跟踪HTML文档中的FTP链接
6. --follow-tags=LIST 分号分隔的被跟踪的HTML标签的列表
7. -G, --ignore-tags=LIST 分号分隔的被忽略的HTML标签的列表
8. -H, --span-hosts 当递归时转到外部主机
9. -L, --relative 仅仅跟踪相对链接
10. -I, --include-directories=LIST 允许目录的列表
11. -X, --exclude-directories=LIST 不被包含目录的列表
12. -np, --no-parent 不要追溯到父目录