Linux系統(tǒng)下wget命令的使用教程

一、Linux wget簡介

wget是linux上的命令行的下載工具。這是一個GPL許可證下的自由軟件。Linux wget支持HTTP和FTP協(xié)議，支持代理服務(wù)器和斷點續(xù)傳功能，能夠自動遞歸遠(yuǎn)程主機(jī)的目錄，找到合乎條件的文件并將其下載到本地硬盤上；如果必要，Linux wget將恰當(dāng)?shù)剞D(zhuǎn)換頁面中的超級連接以在本地生成可瀏覽的鏡像。由于沒有交互式界面，Linux wget可在后臺運(yùn)行，截獲并忽略HANGUP信號，因此在用戶推出登錄以后，仍可繼續(xù)運(yùn)行。通常，Linux wget用于成批量地下載Internet網(wǎng)站上的文件，或制作遠(yuǎn)程網(wǎng)站的鏡像。

二、實例

下載下載192.168.1.168首頁并且顯示下載信息Linux wget -d http://192.168.1.168下載192.168.1.168首頁并且不顯示任何信息wget -q http://192.168.1.168下載filelist.txt中所包含的鏈接的所有文件wget -i filelist.txt

下載到指定目錄wget -P/tmp ftp://user:passwd@url/file把文件file下載到/tmp目錄下。Linux wget是一個命令行的下載工具。對于我們這些 Linux 用戶來說，幾乎每天都在使用它。下面為大家介紹幾個有用的 Linux wget 小技巧，可以讓你更加高效而靈活的使用 Linux wget。

*

*

*

*

*

三、參數(shù)

代碼:

啟動：

-V, --version 顯示 Wget 的版本并且退出。 
-h, --help 打印此幫助。 
-b, -background 啟動后進(jìn)入后臺操作。 
-e, -execute=COMMAND 運(yùn)行‘.wgetrc’形式的命令。
日志記錄及輸入文件：

-o, --output-file=文件 將日志消息寫入到指定文件中。 
-a, --append-output=文件 將日志消息追加到指定文件的末端。 
-d, --debug 打印調(diào)試輸出。 
-q, --quiet 安靜模式(不輸出信息)。 
-v, --verbose 詳細(xì)輸出模式(默認(rèn))。 
-nv, --non-verbose 關(guān)閉詳細(xì)輸出模式，但不進(jìn)入安靜模式。 
-i, --input-file=文件 下載從指定文件中找到的 URL。 
-F, --force-html 以 HTML 方式處理輸入文件。 
-B, --base=URL 使用 -F -i 文件選項時，在相對鏈接前添加指定的 URL。
下載：

-t, --tries=次數(shù) 配置重試次數(shù)（0 表示無限）。 
--retry-connrefused 即使拒絕連接也重試。 
-O --output-document=文件 將數(shù)據(jù)寫入此文件中。 
-nc, --no-clobber 不更改已經(jīng)存在的文件，也不使用在文件名后添加 .#（# 為數(shù)字）的方法寫入新的文件。 
-c, --continue 繼續(xù)接收已下載了一部分的文件。 
--progress=方式 選擇下載進(jìn)度的表示方式。 
-N, --timestamping 除非遠(yuǎn)程文件較新，否則不再取回。 
-S, --server-response 顯示服務(wù)器回應(yīng)消息。 
--spider 不下載任何數(shù)據(jù)。 
-T, --timeout=秒數(shù) 配置讀取數(shù)據(jù)的超時時間 (秒數(shù))。 
-w, --wait=秒數(shù) 接收不同文件之間等待的秒數(shù)。 
--waitretry=秒數(shù) 在每次重試之間稍等一段時間 (由 1 秒至指定的 秒數(shù)不等)。 
--random-wait 接收不同文件之間稍等一段時間(由 0 秒至 2*WAIT 秒不等)。 
-Y, --proxy=on/off 打開或關(guān)閉代理服務(wù)器。 
-Q, --quota=大小 配置接收數(shù)據(jù)的限額大小。 
--bind-address=地址 使用本機(jī)的指定地址 (主機(jī)名稱或 IP) 進(jìn)行連接。 
--limit-rate=速率 限制下載的速率。 
--dns-cache=off 禁止查找存于高速緩存中的 DNS。 
--restrict-file-names=OS 限制文件名中的字符為指定的 OS (操作系統(tǒng)) 所允許的字符。
目錄：

-nd --no-directories 不創(chuàng)建目錄。 
-x, --force-directories 強(qiáng)制創(chuàng)建目錄。 
-nH, --no-host-directories 不創(chuàng)建含有遠(yuǎn)程主機(jī)名稱的目錄。 
-P, --directory-prefix=名稱 保存文件前先創(chuàng)建指定名稱的目錄。 
--cut-dirs=數(shù)目 忽略遠(yuǎn)程目錄中指定數(shù)目的目錄層。
HTTP 選項：

--http-user=用戶 配置 http 用戶名。 
--http-passwd=密碼 配置 http 用戶密碼。 
-C, --cache=on/off (不)使用服務(wù)器中的高速緩存中的數(shù)據(jù) (默認(rèn)是使用的)。 
-E, --html-extension 將所有 MIME 類型為 text/html 的文件都加上 .html 擴(kuò)展文件名。 
--ignore-length 忽略“Content-Length”文件頭字段。 
--header=字符串 在文件頭中添加指定字符串。 
--proxy-user=用戶 配置代理服務(wù)器用戶名。 
--proxy-passwd=密碼 配置代理服務(wù)器用戶密碼。 
--referer=URL 在 HTTP 請求中包含“Referer：URL”頭。 
-s, --save-headers 將 HTTP 頭存入文件。 
-U, --user-agent=AGENT 標(biāo)志為 AGENT 而不是 Wget/VERSION。 
--no-http-keep-alive 禁用 HTTP keep-alive（持久性連接）。 
--cookies=off 禁用 cookie。 
--load-cookies=文件 會話開始前由指定文件載入 cookie。 
--save-cookies=文件 會話結(jié)束后將 cookie 保存至指定文件。 
--post-data=字符串 使用 POST 方法，發(fā)送指定字符串。 
--post-file=文件 使用 POST 方法，發(fā)送指定文件中的內(nèi)容。
HTTPS (SSL) 選項：

--sslcertfile=文件 可選的客戶段端證書。 
--sslcertkey=密鑰文件 對此證書可選的“密鑰文件”。 
--egd-file=文件 EGD socket 文件名。 
--sslcadir=目錄 CA 散列表所在的目錄。 
--sslcafile=文件 包含 CA 的文件。 
--sslcerttype=0/1 Client-Cert 類型 0=PEM (默認(rèn)) / 1=ASN1 (DER) 
--sslcheckcert=0/1 根據(jù)提供的 CA 檢查服務(wù)器的證書 
--sslprotocol=0-3 選擇 SSL 協(xié)議；0=自動選擇， 
1=SSLv2 2=SSLv3 3=TLSv1
FTP 選項：

-nr, --dont-remove-listing 不刪除“.listing”文件。 
-g, --glob=on/off 設(shè)置是否展開有通配符的文件名。 
--passive-ftp 使用“被動”傳輸模式。 
--retr-symlinks 在遞歸模式中，下載鏈接所指示的文件(連至目錄則例外）。
遞歸下載：

-r, --recursive 遞歸下載。 
-l, --level=數(shù)字 最大遞歸深度(inf 或 0 表示無限)。 
--delete-after 刪除下載后的文件。 
-k, --convert-links 將絕對鏈接轉(zhuǎn)換為相對鏈接。 
-K, --backup-converted 轉(zhuǎn)換文件 X 前先將其備份為 X.orig。 
-m, --mirror 等效于 -r -N -l inf -nr 的選項。 
-p, --page-requisites 下載所有顯示完整網(wǎng)頁所需的文件，例如圖像。 
--strict-comments 打開對 HTML 備注的嚴(yán)格(SGML)處理選項。
遞歸下載時有關(guān)接受/拒絕的選項：

-A, --accept=列表 接受的文件樣式列表，以逗號分隔。 
-R, --reject=列表 排除的文件樣式列表，以逗號分隔。 
-D, --domains=列表 接受的域列表，以逗號分隔。 
--exclude-domains=列表 排除的域列表，以逗號分隔。 
--follow-ftp 跟隨 HTML 文件中的 FTP 鏈接。 
--follow-tags=列表 要跟隨的 HTML 標(biāo)記，以逗號分隔。 
-G, --ignore-tags=列表 要忽略的 HTML 標(biāo)記，以逗號分隔。 
-H, --span-hosts 遞歸時可進(jìn)入其它主機(jī)。 
-L, --relative 只跟隨相對鏈接。 
-I, --include-directories=列表 要下載的目錄列表。 
-X, --exclude-directories=列表 要排除的目錄列表。 
-np, --no-parent 不搜索上層目錄。

四、實例：用Wget批量下載遠(yuǎn)程FTP服務(wù)器上的文件
昨天買了個VPS，把虛擬主機(jī)遷移到VPS了，遷移過程肯定是要轉(zhuǎn)移數(shù)據(jù)的。以前虛擬主機(jī)遷移數(shù)據(jù)的模式是非常低效率的，舊主機(jī)打包下載->新主機(jī)上傳再解壓縮，由于家庭網(wǎng)絡(luò)帶寬非常低，而且ADSL的上行速率512kbps萬年不變，導(dǎo)致以前遷移網(wǎng)站絕對是體力活...

現(xiàn)在有了VPS，有了shell，這個過程就無比簡單了，借助機(jī)房的大帶寬，直接機(jī)房對機(jī)房互傳文件看著簡直就是一種享受啊

好了，講一下方法：

1、舊虛擬主機(jī)打包備份整站 site.tar.gz

2、在VPS的shell中利用wget下載舊虛擬主機(jī)中的site.tar.gz，使用FTP協(xié)議

上面就是命令了，F(xiàn)TP用戶名密碼參數(shù)不解釋；

-r 可選，表示遞歸下載，如果直接下載整個目錄就需要該參數(shù)；

-m 表示鏡像，不解釋；

-nh表示不生成那一堆層級目錄，直接從當(dāng)前目錄開始顯示，非常好的參數(shù)；

后面是ftp的地址，斜杠后的 * 表示下載該目錄下的所有文件，如果只是一個文件，直接輸入文件名即可。

五、QA

A.使用wget工具linux所以的主要版本都自帶了Linux wget這個下載工具.bash$ wget http://place.your.url/here它還能控制ftp來下載整個web站點的各級目錄,當(dāng)然,如果你不小心,可能會把整個網(wǎng)站以及其他和他做鏈接的網(wǎng)站全部下載下來.bash$ wget -m http://target.web.site/subdirectory由于這個工具具有很強(qiáng)的下載能力,所以可以在服務(wù)器上把它用作鏡像網(wǎng)站的工具.讓它按照”robots.txt”的規(guī)定來執(zhí)行.有很多參數(shù)用來控制它如何正確地做鏡像,可以限制鏈接的類型和下載文件的類型等等.例如:只下載有聯(lián)系的鏈接并且忽略GIF圖片:

Linux wget也能夠?qū)崿F(xiàn)斷點續(xù)傳(-c參數(shù)),當(dāng)然,這種操作是需要遠(yuǎn)程服務(wù)器支持的.

如果你覺得下載時老是斷線會影響你辦公的話,你可以限制Linux wget重試的次數(shù).

B．那對于代理服務(wù)該怎么辦呢?可以使用http代理的參數(shù)或者在.wgetrc配置文件里指定一個如何通過代理去下載的途徑.但是有這么一個問題,如果通過代理來進(jìn)行斷點續(xù)傳的話可能會有幾次失敗.如果有一次通過代理下載的過程發(fā)生中斷,那么代理服務(wù)器上緩存里保存是那個完整的文件拷貝. 所以當(dāng)你用”wget -c”來下載剩余部分的時候代理服務(wù)器查看它的緩存,并錯誤地認(rèn)為你已經(jīng)下載了整個文件.于是就發(fā)出了錯誤的信號.這個時候你可以用添加一個特定的請求參數(shù)來促使代理服務(wù)器清除他們的緩存:

這個”–header”參數(shù)能夠以各種數(shù)字，各種方式添加。通過它我們可以更改web服務(wù)器或者代理服務(wù)器的某些屬性。有些站點不提供外部連接的文件服務(wù)，只有通過同一個站點上其他的一些頁面時內(nèi)容才會被提交。這個時候你可以用加上”Referer:”參數(shù)：bash$ wget –header=”Referer: http://coming.from.this/page” http://surfing.to.this/page有些特殊的網(wǎng)站只支持某種特定的瀏覽器，這個時候可以用”User-Agent:”參數(shù)

C．那我怎么設(shè)定下載時間呢？
如果你需要在你的辦公電腦上通過和其他同事共享的一個連接來下載一些很大的文件，而且你希望你的同事不會因為網(wǎng)絡(luò)速度的減慢而收到影響，那你就應(yīng)該盡量避開高峰時段。當(dāng)然,不需要在辦公室里等到所以人都走掉，也不需要在家里用完晚飯后還惦記著要上網(wǎng)下載一次。用at來就可以很好的定制工作時間：bash$ at 23：00warning: commands will be executed using /bin/shat> wget http://place.your.url/hereat> press Ctrl-D這樣，我們設(shè)定了下載工作在晚上11點進(jìn)行。為了使這個安排能夠正常進(jìn)行，請確認(rèn)atd這個后臺程序正在運(yùn)行。

D．下載要花很多時間？
當(dāng)你需要下載大量的數(shù)據(jù)，而且你又沒有享有足夠的帶寬,這個時候你會經(jīng)常發(fā)現(xiàn)在你安排的下載任務(wù)還沒有完成，一天的工作卻又要開始了。
作為一個好同事，你只能停掉了這些任務(wù)，而開始另外的工作。然后你又需要反復(fù)地重復(fù)使用”wget -c”來完成你的下載。這樣肯定太繁瑣了，所以最好是用crontab來自動執(zhí)行。創(chuàng)建一個純文本文件，叫做”crontab.txt”,包含下面的內(nèi)容：0 23 * * 1-5 wget -c -N http://place.your.url/here0 6 * * 1-5 killall wgetz這個crontab文件指定某些任務(wù)定期地執(zhí)行。前五列聲明是什么時候執(zhí)行這個命令，而每行的剩余部分則告訴crontab執(zhí)行什么內(nèi)容。

前兩列指定了每天一到晚上11點就開始用Linux wget下載，一到早上6點就停止一切Linux wget下載。第三四列的*表示每個月的每一天都執(zhí)行這個任務(wù)。第五列則指定了一個星期的哪幾天來執(zhí)行這個程序。 –”1-5″表示從星期一到星期五。這樣在每個工作日的晚上11點，下載工作開始，到了上午的6點，任何的Linux wget任務(wù)就被停掉了。你可以用下面的命令來執(zhí)行

Linux wget的這個”-N”參數(shù)將會檢查目標(biāo)文件的時間戳，如果匹配了，下載程序就會停止，因為它說明整個文件已經(jīng)下載完全了。用”crontab -r”可以刪除這個計劃安排。我已經(jīng)多次采用這種方法，通過共享的電話撥號來下載過很多的ISO鏡像文件,還是比較實用的。

E．如何下載動態(tài)變化的網(wǎng)頁
有些網(wǎng)頁每天都要根據(jù)要求變化好幾次.所以從技術(shù)上講,目標(biāo)不再是一個文件,它沒有文件長度.因此”-c”這個參數(shù)也就失去了意義.例如:一個PHP寫的并且經(jīng)常變動的linux周末新聞網(wǎng)頁:

我辦公室里的網(wǎng)絡(luò)條件經(jīng)常很差,給我的下載帶了很大的麻煩,所以我寫了個簡單的腳本來檢測動態(tài)頁面是否已經(jīng)完全更新了.

F．對于ssl和Cookies怎么辦？
如果你要通過ssl來上網(wǎng),那么網(wǎng)站地址應(yīng)該是以”https://”來開頭的.在這樣的情況下你就需要另外一種下載工具,叫做curl，它能夠很容易獲得.有些網(wǎng)站迫使網(wǎng)友在瀏覽的時候必須使用cookie.所以你必須從在網(wǎng)站上得到的那個 Cookie里面得到”Cookie:”這個參數(shù).這樣才能保證下載的參數(shù)正確.對于lynx和Mozilla的Cookie的文件格式,用下面的:

G．如何建立地址列表？
到現(xiàn)在為止我們下載的都是單個文件或者是整個網(wǎng)站.有的時候我們需要下載某個網(wǎng)頁上鏈接的大量文件,但沒有必要把它整個網(wǎng)站都鏡像下來.比如說我們想從一個依次排列的100首歌里面下載前20首.注意,這里”–accept”和”–reject”參數(shù)是不會起作用的, 因為他們只對文件操作起作用.所以一定要用”lynx -dump”參數(shù)來代替.

H．?dāng)U大使用的帶寬
如果你選擇下載一個受帶寬限制的文件,那你的下載會因為服務(wù)器端的限制而變得很慢.下面這個技巧會大大縮短下載的過程.但這個技巧需要你使用curl并且遠(yuǎn)程服務(wù)器有多個鏡像可以供你下載.例如,假設(shè)你想從下面的三個地址下載Mandrake 8.0: