wget详解

Linux wget是一个下载文件的工具，它用在命令行下。对于Linux用户是必不可少的工具，尤其对于网络管理员，经常要下载一些软件或从远程服务器恢复备份到本地服务器。如果我们使用虚拟主机，处理这样的事务我们只能先从远程服务器下载到我们电脑磁盘，然后再用ftp工具上传到服务器。这样既浪费时间又浪费精力，那不没办法的事。而到了Linux VPS，它则可以直接下载到服务器而不用经过上传这一步。wget工具体积小但功能完善，它支持断点下载功能，同时支持FTP和HTTP下载方式，支持代理服务器和设置起来方便简单。下面我们以实例的形式说明怎么使用wget。
1、使用wget下载单个文件
以下的例子是从网络下载一个文件并保存在当前目录
wget http://cn.wordpress.org/wordpress-3.1-zh_CN.zip
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）。
2、使用wget -O下载并以不同的文件名保存
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。
错误：下面的例子会下载一个文件并以名称download.php?id=1080保存
wget http://www.centos.bz/download?id=1
即使下载的文件是zip格式，它仍然以download.php?id=1080命令。
正确：为了解决这个问题，我们可以使用参数-O来指定一个文件名：
wget -O wordpress.zip http://www.centos.bz/download.php?id=1080
3、使用wget –limit -rate限速下载
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。
wget –limit-rate=300k http://cn.wordpress.org/wordpress-3.1-zh_CN.zip
4、使用wget -c断点续传
使用wget -c重新启动下载中断的文件:
wget -c http://cn.wordpress.org/wordpress-3.1-zh_CN.zip
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。
5、使用wget -b后台下载
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。
wget -b http://cn.wordpress.org/wordpress-3.1-zh_CN.zip
Continuing in background, pid 1840.
Output will be written to `wget-log’.
你可以使用以下命令来察看下载进度
tail -f wget-log
6、伪装代理名称下载
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。
wget –user-agent=”Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10.0.648.204 Safari/534.16″ 下载链接
7、使用wget –spider测试下载链接
当你打算进行定时下载，你应该在预定时间测试下载链接是否有效。我们可以增加–spider参数进行检查。
wget –spider URL
如果下载链接正确，将会显示
wget –spider URL
Spider mode enabled. Check if remote file exists.
HTTP request sent, awaiting response… 200 OK
Length: unspecified [text/html]
Remote file exists and could contain further links,
but recursion is disabled — not retrieving.
这保证了下载能在预定的时间进行，但当你给错了一个链接，将会显示如下错误
wget –spider url
Spider mode enabled. Check if remote file exists.
HTTP request sent, awaiting response… 404 Not Found
Remote file does not exist — broken link!!!
你可以在以下几种情况下使用spider参数：
定时下载之前进行检查
间隔检测网站是否可用
检查网站页面的死链接
8、使用wget –tries增加重试次数
如果网络有问题或下载一个大文件也有可能失败。wget默认重试20次连接下载文件。如果需要，你可以使用–tries增加重试次数。
wget –tries=40 URL
9、使用wget -i下载多个文件
首先，保存一份下载链接文件
cat > filelist.txt
url1
url2
url3
url4
接着使用这个文件和参数-i下载
wget -i filelist.txt
10、使用wget –mirror镜像网站
下面的例子是下载整个网站到本地。
wget –mirror -p –convert-links -P ./LOCAL URL
–miror:开户镜像下载
-p:下载所有为了html页面显示正常的文件
–convert-links:下载后，转换成本地的链接
-P ./LOCAL：保存所有文件和目录到本地指定目录
11、使用wget –reject过滤指定格式下载
你想下载一个网站，但你不希望下载图片，你可以使用以下命令。
wget –reject=gif url
12、使用wget -o把下载信息存入日志文件
你不希望下载信息直接显示在终端而是在一个日志文件，可以使用以下命令：
wget -o download.log URL
13、使用wget -Q限制总下载文件大小
当你想要下载的文件超过5M而退出下载，你可以使用以下命令:
wget -Q5m -i filelist.txt
注意：这个参数对单个文件下载不起作用，只能递归下载时才有效。
14、使用wget -r -A下载指定格式文件
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
wget -r -A.pdf url
15、使用wget FTP下载
你可以使用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





平时经常用 curl 和 wget 下载一些东西，但是有的网站要判断 User-Agent。
我们可以使用 curl 和 wget 的 –user-agent，但每次都加参数也很不方便，修改配置文件就是一劳永逸的办法了。
把下面的代码添加到 ~/.curlrc
–user-agent=Mozilla/5.0 (X11; U; Linux i686; zh-CN; rv:1.9.0.8) Gecko/2009032711 Ubuntu/8.10 (intrepid) Firefox/3.0.8
把下面的代码添加到 ~/.wgetrc
header = User-Agent: Mozilla/5.0 (X11; U; Linux i686; zh-CN; rv:1.9.0.8) Gecko/2009032711 Ubuntu/8.10 (intrepid) Firefox/3.0.8




###
### Sample Wget initialization file .wgetrc by http://www.askapache.com
###
##
## Local settings (for a user to set in his $HOME/.wgetrc).  It is
## *highly* undesirable to put these settings in the global file, since
## they are potentially dangerous to "normal" users.
##
## Even when setting up your own ~/.wgetrc, you should know what you
## are doing before doing so.
##
## From http://www.askapache.com/dreamhost/wget-header-trick.html
##

header = Accept-Language: en-us,en;q=0.5
header = Accept: text/xml,application/xml,application/xhtml+xml,text/html;q=0.9,text/plain;q=0.8,image/png,*/*;q=0.5
header = Accept-Encoding: gzip,deflate
header = Accept-Charset: ISO-8859-1,utf-8;q=0.7,*;q=0.7
header = Keep-Alive: 300
user_agent = Mozilla/5.0 (Windows; U; Windows NT 5.1; en-US; rv:1.8.1.6) Gecko/20070725 Firefox/2.0.0.6
referer = http://www.google.com

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 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。
     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 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 http://dsec.pku.edu.cn/~usr_name/
# 或者
wget -m http://dsec.pku.edu.cn/~usr_name/
* 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/

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