wget

wget [OPTION]... ...
[功能]
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.

[描述]
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。
选项：
1)启动时:
-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
2)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
3)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
4)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
5)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
6)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)
7)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
8)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

[举例]
*已知将要下载的文件的网址，将文件下载到当前目录：
$wget http://ibus.googlecode.com/files/ibus-chewing-1.2.0.20091211-Source.tar.gz
这里，会在指定的网址下载相应的文件到当前目录中,并且会显示进度的。如果之前中断过，那么再次运行这个命令的时候，可能会另存为ibus-chewing-1.1.0.20091211-Source.tar.gz.1等等并且有点类似续传。

*上次下载的文件在当前目录中继续下载：
$wget -c http://ibus.googlecode.com/files/ibus-chewing-1.2.0.20091211-Source.tar.gz
这里，会继续原先下载的进度开始续传，不会生成另外的*.1类的文件。

*已知将要下载的文件的网址，将文件下载到指定目录：
$wget -P test http://ibus.googlecode.com/files/ibus-hangul-1.2.0.20091031.tar.gz
这里，会将文件下载到目录./test中，并且如果test不存在则会自动创建。

*已知将要下载的文件的网址，将文件下载文件名为test.zip：
$wget http://sourceforge.net/projects/peerguardian/files/PeerGuardian%20Linux/PG%20linux%201.5beta/ipcop-pglinux-1.5beta.zip/download -O test.zip
这里，使用-O选项指定要另存的文件名字。

*下载的时候将下载速度限制为10k:
$wget --limit-rate=10k http://sourceforge.net/projects/peerguardian/files/PeerGuardian%20Linux/PG%20linux%201.5beta/ipcop-pglinux-1.5beta.zip/download
这样，下载的速度限制为10k，这在网络带宽有限的情况下非常有用。默认单位字节，可以加上'k','m'表示k和兆。

*从有帐户的ftp上面下载单个文件：
$wget --user=quietheart --password=123 ftp://10.1.14.235/EBookReader/K1/doc/EBook_K1_RTM.xls
这里需要指定用户和密码.

*从有帐户的ftp上面下载指定的多个文件：
$wget --user=quietheart --password=123 -B ftp://10.1.14.235/EBookReader/K1/doc/ -i filelist
这里，用filelist来指定将要下载的文件,filelist的内容是：
K1_SoftwareBehavioralSpecification-EmbeddedLinux_v0.0.2.pdf
EBook_K1_RTM.xls
UISpec/K1_Spec_V0_1/add highlight-2.bmp
UISpec/K1_Spec_V0_1/wait.bmp
所以，下载的就是filelist中指定的四个文件。注意：1）wget命令-B指定的目录前缀最后要有'/'如'doc/'.2)filelist文件中的文件名称中如果有空格不用转义,如"add highlight-2.bmp"。

*从有帐户的ftp上面下载文件和目录：
$wget --user=quietheart --password="123" -m ftp://10.1.14.235/User_Temp/lvkai/download/test1
或$wget --user=quietheart --password="123" -r ftp://10.1.14.235/User_Temp/lvkai/download/test1
这里,需要使用-m或者-r,下载之后在当前目录下生成一个10.1.14.235目录，然后会依次深入直到test1的内容。

*用-l指定层次：
$wget --user=quietheart --password="123" -r --level=2 ftp://10.1.14.235/User_Temp/lvkai/download/test1
这样，下载只递归两层，test1下面的子目录以及内容都不会被下载了。

*下载qt4.5网站上的在线文档：
$wget \
--recursive \
--no-clobber \
--page-requisites \
--html-extension \
--convert-links \
--restrict-file-names=windows \
--domains doc.qt.nokia.com \
--no-parent \
http://doc.qt.nokia.com/4.5/
这样，大约从16:45下载，到17:15左右结束(48M),下下来的文件如果没有限制就和直接在网上看一样了。
每个选项的含义：
--recursive:递归去下载(简写-r)
--domains doc.qt.nokia.com:限制只下载那个域名(简写-D ***)
--no-parent:不要下载这个目录上边的文件(简写-np)
--page-requisites:下载页面所包括的一切对象(简写-p)
--html-extension:把文件按html格式存放(简写-E)
--convert-links:把页面中的连接转化为本地的连接(简写-k)
--restrict-file-names=windows:格式化文件名使可以在Windows下查看．
--no-clobber:不要复盖任何文件(简写-nc)

*下载一个特定网站的子网站（例如自己的博客）:
$wget \
--recursive \
--no-clobber \
--page-requisites \
--html-extension \
--convert-links \
--restrict-file-names=windows \
--domains blog.chinaunix.net \
--no-parent \
http://blog.chinaunix.net/u1/34500/
这样，就将自己的博客下载到本地机器上面了，相当于一个离线版本的备份。

[其他]
[未实践]
http://www.mysqlpub.com/redirect.php?tid=755&goto=lastpost
* 用wget做站点镜像:
wget -r -p -np -k [url]http://dsec.pku.edu.cn/~usr_name/
# 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/
wget各种选项分类列表

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。