devbox
Cpp五条
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

linux基础44——wget_wget --spider

作者：Cpp五条 | 2024-03-26 10:49:29

赞

踩

wget --spider

1. 概念

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。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。

2. 语法

wget [参数] [URL地址]

3. 功能

用于从网络上下载资源，没有指定目录，下载资源回默认为当前目录。wget虽然功能强大，但是使用起来还是比较简单：

1）支持断点下传功能；

2）同时支持FTP和HTTP下载方式；

3）支持代理服务器；对安全强度很高的系统而言，一般不会将自己的系统直接暴露在互联网上，所以，支持代理是下载软件必须有的功能；

4）设置方便简单；可能，习惯图形界面的用户已经不是太习惯命令行了，但是，命令行在设置上其实有更多的优点，最少，鼠标可以少点很多次，也不要担心是否错点鼠标；

5）程序小，完全免费；程序小可以考虑不计，因为现在的硬盘实在太大了；完全免费就不得不考虑了，即使网络上有很多所谓的免费软件，但是，这些软件的广告却不是我们喜欢的。

4. 命令参数

启动参数：

  1. -V, –version 显示wget的版本后退出
  2.  
  3. -h, –help 打印语法帮助
  4.  
  5. -b, –background 启动后转入后台执行
  6.  
  7. -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：

  1. -o, –output-file=FILE 把记录写到FILE文件中
  2.  
  3. -a, –append-output=FILE 把记录追加到FILE文件中
  4.  
  5. -d, –debug 打印调试输出
  6.  
  7. -q, –quiet 安静模式(没有输出)
  8.  
  9. -v, –verbose 冗长模式(这是缺省设置)
  10.  
  11. -nv, –non-verbose 关掉冗长模式，但不是安静模式
  12.  
  13. -i, –input-file=FILE 下载在FILE文件中出现的URLs
  14.  
  15. -F, –force-html 把输入文件当作HTML格式文件对待
  16.  
  17. -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
  18.  
  19. –sslcertfile=FILE 可选客户端证书
  20.  
  21. –sslcertkey=KEYFILE 可选客户端证书的KEYFILE
  22.  
  23. –egd-file=FILE 指定EGD socket的文件名

下载参数：

  1. –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)
  2.  
  3. -t, –tries=NUMBER 设定最大尝试链接次数(0 表示无限制).
  4.  
  5. -O –output-document=FILE 把文档写到FILE文件中
  6.  
  7. -nc, –no-clobber 不要覆盖存在的文件或使用.#前缀
  8.  
  9. -c, –continue 接着下载没下载完的文件
  10.  
  11. –progress=TYPE 设定进程条标记
  12.  
  13. -N, –timestamping 不要重新下载文件除非比本地文件新
  14.  
  15. -S, –server-response 打印服务器的回应
  16.  
  17. –spider 不下载任何东西
  18.  
  19. -T, –timeout=SECONDS 设定响应超时的秒数
  20.  
  21. -w, –wait=SECONDS 两次尝试之间间隔SECONDS秒
  22.  
  23. –waitretry=SECONDS 在重新链接之间等待1…SECONDS秒
  24.  
  25. –random-wait 在下载之间等待0…2*WAIT秒
  26.  
  27. -Y, –proxy=on/off 打开或关闭代理
  28.  
  29. -Q, –quota=NUMBER 设置下载的容量限制
  30.  
  31. –limit-rate=RATE 限定下载输率

目录参数：

  1. -nd –no-directories 不创建目录
  2.  
  3. -x, –force-directories 强制创建目录
  4.  
  5. -nH, –no-host-directories 不创建主机目录
  6.  
  7. -P, –directory-prefix=PREFIX 将文件保存到目录 PREFIX/…
  8.  
  9. –cut-dirs=NUMBER 忽略 NUMBER层远程目录

HTTP 选项参数：

  1. –http-user=USER 设定HTTP用户名为 USER.
  2.  
  3. –http-passwd=PASS 设定http密码为 PASS
  4.  
  5. -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)
  6.  
  7. -E, –html-extension 将所有text/html文档以.html扩展名保存
  8.  
  9. –ignore-length 忽略 `Content-Length’头域
  10.  
  11. –header=STRING 在headers中插入字符串 STRING
  12.  
  13. –proxy-user=USER 设定代理的用户名为 USER
  14.  
  15. –proxy-passwd=PASS 设定代理的密码为 PASS
  16.  
  17. –referer=URL 在HTTP请求中包含 `Referer: URL’头
  18.  
  19. -s, –save-headers 保存HTTP头到文件
  20.  
  21. -U, –user-agent=AGENT 设定代理的名称为 AGENT而不是 Wget/VERSION
  22.  
  23. –no-http-keep-alive 关闭 HTTP活动链接 (永远链接)
  24.  
  25. –cookies=off 不使用 cookies
  26.  
  27. –load-cookies=FILE 在开始会话前从文件 FILE中加载cookie
  28.  
  29. –save-cookies=FILE 在会话结束后将 cookies保存到 FILE文件中

FTP 选项参数：

  1. -nr, –dont-remove-listing 不移走 `.listing’文件
  2.  
  3. -g, –glob=on/off 打开或关闭文件名的 globbing机制
  4.  
  5. –passive-ftp 使用被动传输模式 (缺省值).
  6.  
  7. –active-ftp 使用主动传输模式
  8.  
  9. –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：

  1. -r, –recursive 递归下载－－慎用!
  2.  
  3. -l, –level=NUMBER 最大递归深度 (inf 或 0 代表无穷)
  4.  
  5. –delete-after 在现在完毕后局部删除文件
  6.  
  7. -k, –convert-links 转换非相对链接为相对链接
  8.  
  9. -K, –backup-converted 在转换文件X之前，将之备份为 X.orig
  10.  
  11. -m, –mirror 等价于 -r -N -l inf -nr
  12.  
  13. -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)：

  1. -A, –accept=LIST 分号分隔的被接受扩展名的列表
  2.  
  3. -R, –reject=LIST 分号分隔的不被接受的扩展名的列表
  4.  
  5. -D, –domains=LIST 分号分隔的被接受域的列表
  6.  
  7. –exclude-domains=LIST 分号分隔的不被接受的域的列表
  8.  
  9. –follow-ftp 跟踪HTML文档中的FTP链接
  10.  
  11. –follow-tags=LIST 分号分隔的被跟踪的HTML标签的列表
  12.  
  13. -G, –ignore-tags=LIST 分号分隔的被忽略的HTML标签的列表
  14.  
  15. -H, –span-hosts 当递归时转到外部主机
  16.  
  17. -L, –relative 仅仅跟踪相对链接
  18.  
  19. -I, –include-directories=LIST 允许目录的列表
  20.  
  21. -X, –exclude-directories=LIST 不被包含目录的列表
  22.  
  23. -np, –no-parent 不要追溯到父目录
  24.  
  25. wget -S –spider url 不下载只显示过程

5. 示例

1. 下载单个文件

wget http://www.minjieren.com/wordpress-3.1-zh_CN.zip

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

3. 使用wget –limit -rate限速下载

wget --limit-rate=300k http://www.minjieren.com/wordpress-3.1-zh_CN.zip

说明：

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。

4. 使用wget -c断点续传

wget -c http://www.minjieren.com/wordpress-3.1-zh_CN.zip

说明：

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。

5. 使用wget -b后台下载

wget -b http://www.minjieren.com/wordpress-3.1-zh_CN.zip

说明：

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。

  1. wget -b http://www.minjieren.com/wordpress-3.1-zh_CN.zip
  2.  
  3. Continuing in background, pid 1840.
  4.  
  5. Output will be written to `wget-log'.

你可以使用以下命令来察看下载进度：

tail -f wget-log

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

说明：

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。

7. 使用wget –spider测试下载链接

wget --spider URL

说明：

当你打算进行定时下载，你应该在预定时间测试下载链接是否有效。我们可以增加–spider参数进行检查

如果下载链接正确，将会显示
 

  1. wget --spider URL
  2.  
  3. Spider mode enabled. Check if remote file exists.
  4.  
  5. HTTP request sent, awaiting response... 200 OK
  6.  
  7. Length: unspecified [text/html]
  8.  
  9. Remote file exists and could contain further links,
  10.  
  11. but recursion is disabled -- not retrieving.

这保证了下载能在预定的时间进行，但当你给错了一个链接，将会显示如下错误

  1. wget --spider url
  2.  
  3. Spider mode enabled. Check if remote file exists.
  4.  
  5. HTTP request sent, awaiting response... 404 Not Found
  6.  
  7. Remote file does not exist -- broken link!!!

你可以在以下几种情况下使用spider参数：

  • 定时下载之前进行检查
  • 间隔检测网站是否可用
  • 检查网站页面的死链接

8. 使用wget –tries增加重试次数

wget --tries=40 URL

说明：

如果网络有问题或下载一个大文件也有可能失败。wget默认重试20次连接下载文件。如果需要，你可以使用–tries增加重试次数。

9. 使用wget -i下载多个文件

wget -i filelist.txt

说明：

首先，保存一份下载链接文件

  1. cat > filelist.txt
  2.  
  3. url1
  4.  
  5. url2
  6.  
  7. url3
  8.  
  9. url4

接着使用这个文件和参数-i下载

10. 使用wget –mirror镜像网站

wget --mirror -p --convert-links -P ./LOCAL URL

说明：

下载整个网站到本地。

  1. –miror:开户镜像下载
  2.  
  3. -p:下载所有为了html页面显示正常的文件
  4.  
  5. –convert-links:下载后，转换成本地的链接
  6.  
  7. -P ./LOCAL：保存所有文件和目录到本地指定目录

11. 使用wget –reject过滤指定格式下载

wget --reject=gif ur

说明：

下载一个网站，但你不希望下载图片，可以使用以下命令。

12. 使用wget -o把下载信息存入日志文件

wget -o download.log URL

说明：

不希望下载信息直接显示在终端而是在一个日志文件，可以使用

13. 使用wget -Q限制总下载文件大小

wget -Q5m -i filelist.txt

说明：

当你想要下载的文件超过5M而退出下载，你可以使用。注意：这个参数对单个文件下载不起作用，只能递归下载时才有效

14. 使用wget -r -A下载指定格式文件

wget -r -A.pdf url

说明：

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

15. 使用wget FTP下载

  1. wget ftp-url
  2.  
  3. wget --ftp-user=USERNAME --ftp-password=PASSWORD url

说明：

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

备注：编译安装

使用如下命令编译安装： 

  1. # tar zxvf wget-1.9.1.tar.gz 
  2.  
  3. # cd wget-1.9.1 
  4.  
  5. # ./configure 
  6.  
  7. # make 
  8.  
  9. # make install 
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Cpp五条/article/detail/316632
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号