wget 下载整个网站,或者特定目录的方法


  • 水货

    这个很好用,大家可以试试

    需要下载某个目录下面的所有文件。命令如下
    wget -c -r -np -k -L -p www.xxx.org/pub/path/

    在下载时。有用到外部域名的图片或连接。如果需要同时下载就要用-H参数。

    wget -np -nH -r --span-hosts www.xxx.org/pub/path/

    -c 断点续传
    -r 递归下载,下载指定网页某一目录下(包括子目录)的所有文件
    -nd 递归下载时不创建一层一层的目录,把所有的文件下载到当前目录
    -np 递归下载时不搜索上层目录,如wget -c -r www.xxx.org/pub/path/
    没有加参数-np,就会同时下载path的上一级目录pub下的其它文件
    -k 将绝对链接转为相对链接,下载整个站点后脱机浏览网页,最好加上这个参数
    -L 递归时不进入其它主机,如wget -c -r www.xxx.org/
    如果网站内有一个这样的链接:
    www.yyy.org,不加参数-L,就会像大火烧山一样,会递归下载www.yyy.org网站
    -p 下载网页所需的所有文件,如图片等
    -A 指定要下载的文件样式列表,多个样式用逗号分隔
    -i 后面跟一个文件,文件内指明要下载的URL

    还有其他的用法,我从网上搜索的,也一并写上来,方便以后自己使用。

    wget的常见用法

    wget的使用格式
    Usage: wget [OPTION]… [URL]…

    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。

    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


Log in to reply