服务/软件管理：39---wget下载工具_wget下载python csdn

一、wget简介

• wget是一个下载文件的工具，它是用在命令行下的
• wget支持HTTP，HTTPS和FTP协议，可以使用HTTP代理
• 自动下载：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
• 递归下载：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”
• 特点（优点）：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

二、命令格式

wget [选项]... [URL]...

开始：

• -V, --version：显示 Wget 的版本信息并退出。

• -h,  --help：打印此帮助。

• -b,  --background：启动后转入后台。

• -e,  --execute=COMMAND：运行一个‘.wgetrc’风格的命令

登入并输入文件：

• -o,  --output-file=FILE：将信息写入 FILE。
• -a,  --append-output=FILE：将信息添加至 FILE。
• -d,  --debug：打印大量调试信息。
• -q,  --quiet：安静模式(无信息输出)。
• -v,  --verbose：详尽的输出(此为默认值)。
• -nv, --no-verbose：关闭详尽输出，但不进入安静模式。
• -i,  --input-file=FILE：下载本地或外部 FILE 中的 URLs。
• -F,  --force-html：把输入文件当成 HTML 文件。
• -B,  --base=URL：解析与 URL 相关的HTML 输入文件（由 -i -F 选项指定）。

下载：

• -t,  --tries=NUMBER：设置重试次数为 NUMBER (0 代表无限制)。
• --retry-connrefused：即使拒绝连接也是重试。
• -O,  --output-document=FILE：将文档写入 FILE。
• -nc, --no-clobber：不要重复下载已存在的文件。                                
• -c,  --continue：继续下载部分下载的文件。
• --progress=TYPE：选择进度条类型。
• -N,  --timestamping：只获取比本地文件新的文件。                              
• -S,  --server-response：打印服务器响应。
• --spider：不下载任何文件。
• -T,  --timeout=SECONDS：将所有超时设为 SECONDS 秒。
• --dns-timeout=SECS：设置 DNS 查寻超时为 SECS 秒。
• --connect-timeout=SECS    设置连接超时为 SECS 秒。
• --read-timeout=SECS       设置读取超时为 SECS 秒。
• -w,  --wait=SECONDS            等待间隔为 SECONDS 秒。
• --waitretry=SECONDS       在取回文件的重试期间等待 1..SECONDS 秒。
• --random-wait             取回时等待 0...2*WAIT 秒。
• --no-proxy                关闭代理。
• -Q,  --quota=NUMBER            设置取回配额为 NUMBER 字节。
• --bind-address=ADDRESS    绑定至本地主机上的 ADDRESS (主机名或是 IP)。
• --limit-rate=RATE         限制下载速率为 RATE。
• --no-dns-cache            关闭 DNS 查寻缓存。
• --restrict-file-names=OS  限定文件名中的字符为 OS 允许的字符。
• --ignore-case             匹配文件/目录时忽略大小写。
• -4,  --inet4-only              仅连接至 IPv4 地址。
• -6,  --inet6-only              仅连接至 IPv6 地址。
• --prefer-family=FAMILY    首先连接至指定协议的地址AMILY 为 IPv6，IPv4 或是 none。
• --user=USER               将 ftp 和 http 的用户名均设置为 USER。
• --password=PASS           将 ftp 和 http 的密码均设置为 PASS。
• --ask-password           提示输入密码。
• --no-iri                关闭 IRI 支持。
• --local-encoding=ENC      IRI 使用 ENC 作为本地编码。
• --remote-encoding=ENC     使用 ENC 作为默认远程编码。

目录：

• -nd, --no-directories           不创建目录。
• -x,  --force-directories        强制创建目录。
• -nH, --no-host-directories      不要创建主目录。
• --protocol-directories     在目录中使用协议名称。
• -P,  --directory-prefix=PREFIX  以 PREFIX/... 保存文件
• --cut-dirs=NUMBER          忽略 NUMBER 个远程目录路径。

HTTP 选项：

• --http-user=USER        设置 http 用户名为 USER。
• --http-password=PASS    设置 http 密码为 PASS。
• --no-cache              不在服务器上缓存数据。
• --default-page=NAME     改变默认页（默认页通常是“index.html”）。
• -E,  --adjust-extension      以合适的扩展名保存 HTML/CSS 文档。
• --ignore-length         忽略头部的‘Content-Length’区域。
• --header=STRING         在头部插入 STRING。
• --max-redirect          每页所允许的最大重定向。
• --proxy-user=USER       使用 USER 作为代理用户名。
• --proxy-password=PASS   使用 PASS 作为代理密码。
• --referer=URL           在 HTTP 请求头包含‘Referer: URL’。
• --save-headers          将 HTTP 头保存至文件。
• -U,  --user-agent=AGENT      标识为 AGENT 而不是 Wget/VERSION
• --no-http-keep-alive    禁用 HTTP keep-alive(永久连接)。
• --no-cookies            不使用 cookies。
• --load-cookies=FILE     会话开始前从 FILE 中载入 cookies。
• --save-cookies=FILE     会话结束后保存 cookies 至 FILE。
• --keep-session-cookies  载入并保存会话(非永久) cookies。
• --post-data=STRING      使用 POST 方式；把 STRING 作为数据发送。
• --post-file=FILE        使用 POST 方式；发送 FILE 内容。
• --content-disposition   当选中本地文件名时允许 Content-Disposition 头部(尚在实验)。
• --auth-no-challenge     send Basic HTTP authentication information without first waiting for the server's challenge.

HTTPS (SSL/TLS) 选项：

• --secure-protocol=PR     选择安全协议，可以是 auto、SSLv2、SSLv3 或是 TLSv1 中的一个。
• --no-check-certificate   不要验证服务器的证书。
• --certificate=FILE       客户端证书文件。
• --certificate-type=TYPE  客户端证书类型， PEM 或 DER。
• --private-key=FILE       私钥文件。
• --private-key-type=TYPE  私钥文件类型， PEM 或 DER。
• --ca-certificate=FILE    带有一组 CA 认证的文件。
• --ca-directory=DIR       保存 CA 认证的哈希列表的目录。
• --random-file=FILE       带有生成 SSL PRNG 的随机数据的文件。
• --egd-file=FILE          用于命名带有随机数据的 EGD 套接字的文件。

FTP 选项：

• --ftp-user=USER         设置 ftp 用户名为 USER。
• --ftp-password=PASS     设置 ftp 密码为 PASS。
• --no-remove-listing     不要删除‘.listing’文件。
• --no-glob               不在 FTP 文件名中使用通配符展开。
• --no-passive-ftp        禁用“passive”传输模式。
• --retr-symlinks         递归目录时，获取链接的文件(而非目录)。

递归下载：

• -r,  --recursive          指定递归下载。
• -l,  --level=NUMBER       最大递归深度( inf 或 0 代表无限制，即全部下载)。
• --delete-after       下载完成后删除本地文件。
• -k,  --convert-links      让下载得到的 HTML 或 CSS 中的链接指向本地文件。
• -K,  --backup-converted   在转换文件 X 前先将它备份为 X.orig。
• -m,  --mirror             -N -r -l inf --no-remove-listing 的缩写形式。
• -p,  --page-requisites    下载所有用于显示 HTML 页面的图片之类的元素。
• --strict-comments    开启 HTML 注释的精确处理(SGML)。

递归接受/拒绝：

• -A,  --accept=LIST               逗号分隔的可接受的扩展名列表。
• -R,  --reject=LIST               逗号分隔的要拒绝的扩展名列表。
• -D,  --domains=LIST              逗号分隔的可接受的域列表。
• --exclude-domains=LIST      逗号分隔的要拒绝的域列表。
• --follow-ftp                跟踪 HTML 文档中的 FTP 链接。
• --follow-tags=LIST          逗号分隔的跟踪的 HTML 标识列表。
• --ignore-tags=LIST          逗号分隔的忽略的 HTML 标识列表。
• -H,  --span-hosts                递归时转向外部主机。
• -L,  --relative                  只跟踪有关系的链接。
• -I,  --include-directories=LIST  允许目录的列表。
• -X,  --exclude-directories=LIST  排除目录的列表。
• -np, --no-parent                 不追溯至父目录。

三、演示案例

案例

• 第一步：用Python命令开启一个HTTP服务端，端口为8080，服务端的根目录为当前路径

• 第二步：在另一端连接上面python开启的HTTP服务器，并且下载其中的busybox-i686文件

• 在服务端可以看到对方的下载记录：

案例（-O选项的使用）

• 第一步：用Python命令开启一个HTTP服务端，端口为8080，服务端的根目录为当前路径

• 第二步：使用wget -O下载并以不同的文件名保存(-O：下载文件到对应目录，并且修改文件名称)

案例（--spider选项的使用）

• 第一步：用Python命令开启一个HTTP服务端，端口为8080，服务端的根目录为当前路径

• 第二步：利用-spider: 模拟下载，不会下载，只是会检查网站是否开放存在，而不获取任何数据

• 在另一端可以看到

案例（-S选项的使用）

• 第一步：用Python命令开启一个HTTP服务端，端口为8080，服务端的根目录为当前路径

• 第二步：模拟下载打印服务器响应

案例（-r  --tries选项的使用）

wget -r --tries=2  192.168.43.20:8080      #(指定尝试2次，2次后不再尝试)
wget -r --tries=2 -q 192.168.43.20:8080    #(指定尝试2次，且不打印中间结果)

• 可以看到产生一个新的文件夹，并且把对方的文件都下载下来了

• 我们将目录删除，重新下载，不打印信息

案例（----user-agent选项的使用）

• 有些网站，例如facebook，会检测请求方式是否是浏览器，如果不是正常的浏览器，那么会redirect到一个"incompatible browser"的错误页面。这时候需要wget伪装成一个浏览器
• 用Python命令开启一个HTTP服务端，端口为8080，服务端的根目录为当前路径

• 在另一端使用下面的命令连接HTTPS服务器（命令太长就没有全部截取）
• 备注：User-Agent的类别很多，自己去百度搜索，下面我们使用的是一个谷歌浏览器的User-Agent

wget --user-agent="Mozilla/5.0 (Windows NT 6.1; WOW64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/39.0.2171.71 Safari/537.36" http://192.168.43.20:8080/busybox-i686