17. wget 文件下载

Linux系统中的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，我们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。wget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。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。

17.1. 命令格式

wget [参数] [URL地址]

17.2. 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

17.3. 使用实例

实例1：使用wget下载单个文件

- wget http://www.minjieren.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.minjieren.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.minjieren.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.minjieren.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.minjieren.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 (Windows; U; Windows NT 6.1; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10.0.648.204 Safari/534.16" http://www.minjieren.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

下载整个网站到本地

- -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

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

17.4. 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