巧用Wget快速建立文件下载中心

Wget基本用法：
1) 从网上下载单个文件

wget http://www.freehao123.com/file.iso

2) 下载一个文件，但以不同的名字存为本地文件

wget –output-document=filename.html freehao123.com

3) 下载一个文件，存到指定的目录

wget –directory-prefix=folder/subfolder freehao123.com

4) 恢复之前中断的一个wget下载

wget –continue freehao123.com/big.file.iso
wget -c freehao123.com/big.file.iso

5) 下载一个文件，但只在服务器上的版本比本地版本新时才会真正执行

wget –continue –timestamping freehao123.com/latest.zip

6) 用wget下载多个网址，这些网址存于一个文本文件中，一行一个网址

wget –input list-of-file-urls.txt

7) 从服务器下载一些以连续序号为文件名的文件

wget http://example.com/images/{1..20}.jpg
wget http://example.com/images/pre-{1..20}-post.jpg

8) 下载一个网页，包括它所有的内容，比如样式表和包含的图片，它们是确保网页离线显示所必需的

wget -page-requisites –span-hosts –convert-links –adjust-extension http://example.com/dir/file
wget -p -H -k -E http://example.com/dir/file

Wget对整个网站进行镜像:

1) 下载整个网站，包括它所有链接的页面和文件

wget --execute robots=off --recursive --no-parent --continue --no-clobber http://example.com/
wget -e robots=off -r -np -c -nc http://example.com/

2) 从网站上一个子目录中下载所有MP3文件

wget –level= –recursive –no-parent –accept mp3,MP3 http://example.com/mp3/
wget -l  -r -np -A mp3,MP3 http://example.com/mp3/

3) 将一个网站上的所有图片下载到同一个目录中

wget –directory-prefix=files/pictures –no-directories –recursive –no-clobber –accept jpg,gif,png,jpeg http://example.com/images/
wget -P files/pictures -nd -r -nc -A jpg,gif,png,jpeg http://example.com/images/

4) 从一个网站上下载PDF文件，采用递归的方式，但不跳出指定的网域

wget –mirror –domains=abc.com,files.abc.com,docs.abc.com –accept=pdf http://abc.com/
wget -m -D abc.com,files.abc.com,docs.abc.com -A pdf http://abc.com/

5) 从一个网站上下载所有文件，但是排除某些目录

wget –recursive –no-clobber –no-parent –exclude-directories /forums,/support http://example.com
wget -r -nc -np -X /forums,/support http://example.com

Wget高级用法：

1) 下载网站上的文件，假设此网站检查User Agent和HTTP参照位址(referer)

wget --referer=/5.0 --user-agent="Firefox/4.0.1" http://freehao123.com

2) 从密码保护网站上下载文件

wget –http-user=labnol –http-password=hello123 http://example.com/secret/file.zip

3) 抓取登陆界面后面的页面。你需要将用户名和密码替换成实际的表格域值，而URL应该指向(实际的)表格提交页面

wget –cookies=on –save-cookies cookies.txt –keep-session-cookies –post-data ‘user=labnol&password=’ http://example.com/login.php
wget –cookies=on –load-cookies cookies.txt –keep-session-cookies http://example.com/paywall

4) 在不下载的情况下，得到一个文件的大小 (在网络响应中寻找用字节表示的文件长度)

wget –spider –server-response http://example.com/file.iso
wget –spider -S http://example.com/file.iso

5) 下载一个文件，但不存储为本地文件，而是在屏幕上显示其内容

wget –output-document=- –quiet google.com/humans.txt
wget -O- -q google.com/humans.txt

6) 得到网页的最后修改日期 (检查HTTP头中的Last Modified标签)

wget –server-response –spider http://www.freehao123.com/
wget -S –spider http://www.labnol.org/

7) 检查你的网站上的链接是否都可用。spider选项将令wget不会在本地保存网页

wget –output-file=logfile.txt –recursive –spider http://example.com
wget -O logfile.txt -r –spider http://example.com

这里是Wget各个参数说明:

* 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