淘先锋技术网

首页 1 2 3 4 5 6 7

入门

wget --user=账号名 --password=账号密码 -c -t0 -i a.txt
-c 断点续传
-t0 下载失败自动反复尝试,我试了一下,一般最多试32次,都连接不上就不下载了
-i 下载a.txt文件里面的url

wget --user=Draco --password=g47ngxcLMw0zZDVQfRbL -c -t0 -i a.txt

进阶

-r 下载某http根网址下的文件
-A * 指定某文件格式
-nc 已下载的跳过
-np -nH

wget -A .tif -r -nc -np -nH -e robots=off "https://seaice.uni-bremen.de/data/amsre/asi_daygrid_swath/n3125/2010/jun/Arctic3125"

顶配

只能用在linux
设置变量,下载不同变量值
-nc -np -nH -e 下载文件,保留http路径的镶嵌文件夹
-nc -nd -np -nH -nv -e 下载文件到同一文件夹,不保留http的镶嵌文件夹

for y in {2002..2012}; do for m in jan feb mar apr may jun jul aug sep oct nov dec; do wget -A .tif -r -nc -nd -np -nH -nv -e robots=off seaice.uni-bremen.de/data/amsre/asi_daygrid_swath/n3125/$y/$m/Arctic3125/; done; done

以下是查到的,需要时看

wget是一个命令行工具,用于批量下载文件,支持HTTP和FTP。
如果我们想下载ftp里面某个目录里面的所有文件,如
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/

断了线能连吗?呵呵,可以连
wget -c -r -nH –cut-dirs=1 ftp://10.8.8.8/movie/

但是cuteftp能做下面的事情吗?比如,现在很多网站使用Apache建站,并不提供ftp服务,但是 Apache有一个indexing功能,可以提供一个类似于ftp的界面,好多文件我想下啊,怎么办?由于是HTTP协议,CuteFTP无能为力了,倒是flash get等有什么get all这种功能,不知道他们对于目录处理怎么样。但是wget一点问题都没有,不信?我们拿CTAN为例(例子并不恰当,CTAN有FTP服务),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

wget是在Linux下开发的开放源代码的软件,作者是Hrvoje Niksic,后来被移植到包括Windows在内的各个平台上。它有以下功能和特点:
win环境下的wget.exe 下载:http://xdowns.com/soft/1/70/2007/Soft_35945.html
(1)支持断点续传;
(2)同时支持FTP和HTTP下载;
(3)支持代理服务器;
(4)设置方便简单;命令行方式;
(5)程序小,完全免费,没有广告;
缺点
(1)无法多线程下载;

wget基本的语法是:wget [参数列表] URL。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 http://place.your.url/here
这个命令可以将http://place.your.url/here 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 http://place.your.url/here
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 http://place.your.url/here
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。
wget的断点续传是自动的,只需要使用-c参数,例如:
wget -c http://the.url.of/incomplete/file
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 http://target.web.site/subdirectory
表示下载http://target.web.site/subdirectory,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主目录下创建一个.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
第一行指定HTTP协议所使用的代理服务器,第二行指定FTP协议所使用的代理服务器,代理服务器IP地址为:111.111.111.111,端口号为:8080。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。

附录:

命令格式:
wget [参数列表] [目标软件、网页的网址]

启动
-V,–version 显示软件版本号然后退出;
-h,–help显示软件帮助信息;
-e,–execute=COMMAND 执行一个“.wgetrc”格式的命令,wgetrc格式参见/etc/wgetrc或~/.wgetrc
-b,–background 让wget在后台运行,记录文件写在当前目录下"wget-log"文件中;

记录和输入文件
-o filename,–output-file=FILE 将软件输出信息保存到文件;
-a filename ,–append-output=FILE将软件输出信息追加到文件;
-d,–debug显示调试信息;
-q,–quiet 不显示输出信息;
-v,–verbose 详细的屏幕输出(默认)
-nv,–non-verbose 简单的屏幕输出
-i inputfiles ,–input-file=FILE 从文件中取得URL地址列表
-F,–force-html 从html文件内读取地址列表
-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
-t [nuber of times],–tries=NUMBER 重试下载次数(0表示无穷次),当wget无法与服务器建立连接时,尝试连接多少次。比如"-t 120"表示尝试120次。当这一项为"0"的时候,指定尝试无穷多次直到连接成功为止;
-w [number of seconds],–wait=SECONDS:重试延时(单位秒),比如"-w 100"表示两次尝试之间等待100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
-O --output-document=FILE下载文件保存为别的文件名
-nc, --no-clobber 不要覆盖已经存在的文件或使用.#前缀
-c:断点续传,使用这一项需要远程服务器也支持断点续传,一般来讲,基于UNIX/Linux的Web/FTP服务器都支持断点续传;
–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
-T [number of seconds],–timeout=SECONDS 设置超时时间(单位秒),指定多长时间远程服务器没有响应就中断连接,开始下一次尝试。比如"-T 120"表示如果120秒以后远程服务器没有发过来数据,就重新尝试连接。如果网络速度比较快,这个时间可以设置的短些,相反,可以设置的长一些,一般最多不超过900,通常也不少于60,一般设置在120左右比较合适;
-S,–server-response 显示服务器响应
–spider 不下载任何东西
-Q [byetes],quota=number 限制下载文件的总大小最多不能超过多少,比如"-Q2k"表示不能超过2K字节,"-Q3m"表示最多不能超过3M字节,如果数字后面什么都不加,就表示是以字节为单位,比如"-Q200"表示最多不能超过200字节;
–limit-rate=RATE 限定下载输率
–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)

目录
-nd,–no-directories 不下载目录结构,把从服务器所有指定目录下载的文件都堆到当前目录里;
-x,–force-directories 与"-nd"设置刚好相反,创建完整的目录结构,例如"wget -nd http://www.gnu.org"将创建在当前目录下创建"www.gnu.org"子目录,然后按照服务器实际的目录结构一级一级建下去,直到所有的文件都传完为止;
-nH, --no-host-directories 不创建以目标主机域名为目录名的目录,将目标主机的目录结构直接下到当前目录下;
-P, --directory-prefix=PREFIX 将文件保存到目录 PREFIX/…
–cut-dirs=NUMBER 忽略 NUMBER 个远端的目录元件.

HTTP 选项:
–http-user=USER 设定HTTP用户名为 USER
–http-passwd=PASS 设定HTTP用户名为PASS,如果Web服务器需要指定用户名和口令,用这两项来设定;
–proxy-user=USER设置代理用户
–proxy-passwd=PASS设置代理密码,如果代理服务器需要输入用户名和口令,使用这两个选项;
-Y,–proxy=on/off 通过/不通过代理服务器进行连接
-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 下载整个网站、目录(小心使用)
-l [depth],–level=NUMBER 下载远程服务器目录结构的深度(0或inf不限制),例如"-l 5"下载目录深度小于或者等于5以内的目录结构或者文件;-l [depth]
–delete-after 在下载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: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;
-p, --page-requisites 下载显示HTML文件的所有图片
-A,–accept=LIST 可以接受的文件类型(分号分隔)
-R,–reject=LIST 拒绝接受的文件类型(分号分隔)
-D,–domains=LIST可以接受的域名(分号分隔)
–exclude-domains=LIST拒绝的域名
–follow-ftp 下载 HTML 文件里面的 FTP 连结
–follow-tags=LIST 分号分隔的被跟踪的HTML标签的列表
-L,–relative 仅下载相对链接
-H,–span-hosts 可以下载外面的主机
-I,–include-directories=LIST允许的目录列表
-X,–exclude-directories=LIST 拒绝的目录列表
-np, --no-parent:只下载目标站点指定目录及其子目录的内容。这也是一个非常有用的选项,我们假设某个人的个人主页里面有一个指向这个站点其他人个人主页的连接,而我们只想下载这个人的个人主页,如果不设置这个选项,甚至–有可能把整个站点给抓下来,这显然是我们通常不希望的;
-G, --ignore-tags=LIST 分号分隔的被忽略的HTML标签的列表

wget -t0 -c -nH -np -b -m -P /localdir http://freesoft.online.sh.cn/mirrors/ftp.redhat.com -o wget.log

使用例子:
用wget下载整个网站
wget -r -p -np -k http://sources.redhat.com/gdb/current/onlinedocs/gdb_toc.html
r : 参数是指使用递归下载
p : 下载所有显示完整网页所以需要的文件,如图片等
np : 不搜索上层目录
k : 将绝对链接转换为相对链接

或者

wget -m http://www.tldp.org/LDP/abs/html/

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 http://dsec.pku.edu.cn/BBC.avi -o down.log &

或者从filelist读入要下载的文件列表

wget -t 0 -w 31 -c -B ftp://dsec.pku.edu.cn/linuxsoft -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 https://sourceforge.net/projects/wvware/
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/

问题
在递归下载的时候,遇到目录中有中文的时候,wget创建的本地目录名会用URL编码规则处理。如"天网防火墙"会被存为"%CC%EC%CD%F8%B7%C0%BB%F0%C7%BD",这造成阅读上的极大不方便。

如果使用断点续传通过代理服务器下载的话,是会失败的。因为代理一个断点续传的话,代理服务器仅能存储一个文件的不完全的拷贝。当你试图使用"wget -c"以获得文件的剩余部分时,代理服务器会核对存储文件,并会给出错误的信息告之你已经有了整个文件。为了成功的绕过文件的存储过程,我们通过在下载请求中加上一个特殊的头信息骗过代理服务器:
bash$ wget -c --header=“Pragma: no-cache” http://place.your.url/here
“- -header”选项可以加入任何头信息的数字或者约定的字符串,这样我们就可以修改web服务器和代理器的性能。一些站点拒绝对通过外面来源链接的文件提供服务,只有来源于经过它同意的站点的其他页面时,文件内容才可以传送到浏览器当中。你可以通过添加一个“Referer:”头信息来传送文件:
bash$ wget --header=“Referer: http://coming.from.this/page” http://surfing.to.this/page
一些特殊的非公众的web站点只能将内容发送到一些特别的类型的浏览器中。可以使用“User-Agent:”头信息发送:
bash$ wget --header=“User-Agent: Mozilla/4.0 (compatible; MSIE 5.0; Windows NT; DigExt)” http://msie.only.url/here
(注意:以上提供的技巧是被使用在满足内容许可机制的情况下使用。否则,将是违法的行为。)

转自:http://mengjie213.blog.163.com/blog/static/120193588201006101346671/?fromdm&fromSearch&isFromSearchEngine=yes