167. wget

发表于 更新于 分类于
Linux下载工具

Linux 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，尤其对于网络管理员，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。如果我们使用虚拟主机，处理这样的事务我们只能先从远程服务器下载到我们电脑磁盘，然后再用ftp工具上传到服务器。这样既浪费时间又浪费精力，那不没办法的事。而到了Linux VPS，它则可以直接下载到服务器而不用经过上传这一步。wget工具体积小但功能完善，它支持断点下载功能，同时支持FTP和HTTP下载方式，支持代理服务器和设置起来方便简单。下面我们以实例的形式说明怎么使用wget。

命令

命令格式:

1
2
// 用法： wget [选项]... [URL]...
wget [参数列表] [目标软件、网页的网址]

长选项所必须的参数在使用短选项时也是必须的。

启动：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
  -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=命令              运行一个“.wgetrc”风格的命令```

日志和输入文件：
  -o,  --output-file=文件          将日志信息写入 FILE
  -a,  --append-output=文件        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
       --report-speed=类型         以 <类型> 报告带宽。类型可以是 bits
  -i,  --input-file=文件           下载本地或外部 <文件> 中的 URL
  -F,  --force-html                把输入文件当成 HTML 文件
  -B,  --base=URL                  解析相对于 URL 的 HTML 输入文件链接 (-i -F)
       --config=文件               指定要使用的配置文件
       --no-cookies                不读取任何配置文件
       --rejected-log=文件         将拒绝 URL 的原因写入 <文件>。

下载：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
-t,  --tries=数字                设置重试次数为 <数字> (0 代表无限制)
     --retry-connrefused         即使拒绝连接也是重试
-O,  --output-document=文件      将文档写入 FILE
-nc, --no-clobber                不要下载已存在将被覆盖的文件
-c,  --continue                  断点续传下载文件
     --start-pos=偏移量          从由零计数的 <偏移量> 开始下载
     --progress=类型             选择进度条类型
     --show-progress             在任意啰嗦状态下都显示进度条
-N,  --timestamping              只获取比本地文件新的文件
     --no-if-modified-since      不要在时间戳 (timestamping) 模式下使用
                                   if-modified-since get 条件请求
     --no-use-server-timestamps  don't set the local file's timestamp by
                                   the one on the server
-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         在获取文件的重试期间等待 1..SECONDS 秒
     --random-wait               获取多个文件时，每次随机等待间隔 (0.5~1.5)*WAIT 秒
     --no-proxy                  禁止使用代理
-Q,  --quota=数字                设置获取配额为 <数字> 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 查询缓存
     --restrict-file-names=系统  限定文件名中的字符为 <系统> 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=地址族      首先连接至指定家族（IPv6，IPv4 或 none）的地址
     --user=用户                 将 ftp 和 http 的用户名均设置为 <用户>
     --password=密码             将 ftp 和 http 的密码均设置为 <密码>
     --ask-password              提示输入密码
     --no-iri                    关闭 IRI 支持
     --local-encoding=ENC        使用 ENC 作为 IRI (国际化资源标识符) 的本地编码
     --remote-encoding=ENC       使用 ENC 作为默认远程编码
     --unlink                    覆盖前移除文件

目录：

1
2
3
4
5
6
-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 (host) 目录
     --protocol-directories      在目录中使用协议名称
-P,  --directory-prefix=前缀     保存文件到 <前缀>/..
     --cut-dirs=数字             忽略远程目录中 <数字> 个目录层。

HTTP 选项：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
     --http-user=用户            设置 http 用户名为 <用户>
     --http-password=密码        设置 http 密码为 <密码>
     --no-cache                  不使用服务器缓存的数据。
     --default-page=NAME         改变默认页 (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=字符串             在头部插入 <字符串>
     --max-redirect              每页所允许的最大重定向
     --proxy-user=用户           使用 <用户> 作为代理用户名
     --proxy-password=密码       使用 <密码> 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=代理           标识自己为 <代理> 而不是 Wget/VERSION。
     --no-http-keep-alive        禁用 HTTP keep-alive (持久连接)。
     --no-cookies                不使用 cookies。
     --load-cookies=文件         会话开始前从 <文件> 中载入 cookies。
     --save-cookies=文件         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=字符串          使用 POST 方式；把 <字串>作为数据发送。
     --post-file=文件            使用 POST 方式；发送 <文件> 内容。
     --method=HTTP方法           在请求中使用指定的 <HTTP 方法>。
     --post-data=字符串          把 <字串> 作为数据发送，必须设置 --method
     --post-file=文件            发送 <文件> 内容，必须设置 --method
     --content-disposition       当选择本地文件名时允许 Content-Disposition
                                 头部 (实验中)。
     --content-on-error          在服务器错误时输出接收到的内容
     --auth-no-challenge         不先等待服务器询问就发送基本 HTTP 验证信息。

HTTPS (SSL/TLS) 选项：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
--secure-protocol=PR         选择安全协议，可以是 auto、SSLv2、
                             SSLv3、TLSv1、PFS 中的一个。
--https-only                 只跟随安全的 HTTPS 链接
--no-check-certificate       不要验证服务器的证书。
--certificate=文件           客户端证书文件。
--certificate-type=类型      客户端证书类型，PEM 或 DER。
--private-key=文件           私钥文件。
--private-key-type=类型      私钥文件类型，PEM 或 DER。
--ca-certificate=文件        带有一组 CA 证书的文件。
--ca-directory=DIR           保存 CA 证书的哈希列表的目录。
--ca-certificate=文件        带有一组 CA 证书的文件。
--pinnedpubkey=FILE/HASHES  Public key (PEM/DER) file, or any number
                            of base64 encoded sha256 hashes preceded by
                            'sha256//' and seperated by ';', to verify
                            peer against

HSTS 选项：

1
2
--no-hsts                   禁用 HSTS
--hsts-file                 HSTS 数据库路径（将覆盖默认值）

FTP 选项：

1
2
3
4
5
6
7
--ftp-user=用户             设置 ftp 用户名为 <用户>。
--ftp-password=密码         设置 ftp 密码为 <密码>
--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
--preserve-permissions      保留远程文件的权限
--retr-symlinks             递归目录时，获取链接的文件 (而非目录)

FTPS 选项：

1
2
3
4
--ftps-implicit                 使用隐式 FTPS（默认端口 990）
--ftps-resume-ssl               打开数据连接时继续控制连接中的 SSL/TLS 会话
--ftps-clear-data-connection    只加密控制信道；数据传输使用明文
--ftps-fallback-to-ftp          回落到 FTP，如果目标服务器不支持 FTPS

WARC 选项：

1
2
3
4
5
6
7
8
9
--warc-file=文件名          在一个 .warc.gz 文件里保持请求/响应数据
--warc-header=字符串        在头部插入 <字符串>
--warc-max-size=数字        将 WARC 的最大尺寸设置为 <数字>
--warc-cdx                  写入 CDX 索引文件
--warc-dedup=文件名         不要记录列在此 CDX 文件内的记录
--no-warc-compression       不要 GZIP 压缩 WARC 文件
--no-warc-digests           不要计算 SHA1 摘要
--no-warc-keep-log          不要在 WARC 记录中存储日志文件
--warc-tempdir=目录         WARC 写入器的临时文件目录

递归下载：

1
2
3
4
5
6
7
8
9
10
-r,  --recursive                 指定递归下载
-l,  --level=数字                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
     --convert-file-only         convert the file part of the URLs only (usually known as the basename)
     --backups=N                 写入文件 X 前，轮换移动最多 N 个备份文件
-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          用严格方式 (SGML) 处理 HTML 注释。

递归接受/拒绝：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
-A,  --accept=列表               逗号分隔的可接受的扩展名列表
-R,  --reject=列表               逗号分隔的要拒绝的扩展名列表
     --accept-regex=REGEX        匹配接受的 URL 的正则表达式
     --reject-regex=REGEX        匹配拒绝的 URL 的正则表达式
     --regex-type=类型           正则类型 (posix|pcre)
-D,  --domains=列表              逗号分隔的可接受的域名列表
     --exclude-domains=列表      逗号分隔的要拒绝的域名列表
     --follow-ftp                跟踪 HTML 文档中的 FTP 链接
     --follow-tags=列表          逗号分隔的跟踪的 HTML 标识列表
     --ignore-tags=列表          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                  仅跟踪相对链接
-I,  --include-directories=列表  允许目录的列表
     --trust-server-names        使用重定向 URL 的最后一段作为本地文件名
-X,  --exclude-directories=列表  排除目录的列表
-np, --no-parent                 不追溯至父目录

使用示例

1、使用wget下载单个文件

以下的例子是从网络下载一个文件并保存在当前目录

1
wget http://cn.wordpress.org/wordpress-3.1-zh_CN.zip

在下载的过程中会显示进度条，包含（下载完成百分比，已经下载的字节，当前下载速度，剩余下载时间）。

2、使用wget -O下载并以不同的文件名保存

wget默认会以最后一个符合”/”的后面的字符来命令，对于动态链接的下载通常文件名会不正确。
错误：下面的例子会下载一个文件并以名称download.php?id=1080保存

1
wget http://www.centos.bz/download?id=1

即使下载的文件是zip格式，它仍然以download.php?id=1080命令。
正确：为了解决这个问题，我们可以使用参数-O来指定一个文件名：

1
wget -O wordpress.zip http://www.centos.bz/download.php?id=1080

3、使用wget –limit -rate限速下载

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。

1
wget –limit-rate=300k http://cn.wordpress.org/wordpress-3.1-zh_CN.zip

4、使用wget -c断点续传

使用wget -c重新启动下载中断的文件:

1
wget -c http://cn.wordpress.org/wordpress-3.1-zh_CN.zip

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

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
2
3
wget -b http://cn.wordpress.org/wordpress-3.1-zh_CN.zip
Continuing in background, pid 1840. 
Output will be written to `wget-log’.

你可以使用以下命令来察看下载进度

1
tail -f wget-log

6、伪装代理名称下载

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。

1
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″ 下载链接

7、使用wget –spider测试下载链接

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。

1
wget –spider URL

如果下载链接正确，将会显示

1
2
3
4
5
6
wget –spider URL 
Spider mode enabled. Check if remote file exists. 
HTTP request sent, awaiting response… 200 OK 
Length: unspecified [text/html] 
Remote file exists and could contain further links, 
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
2
3
4
wget –spider url 
Spider mode enabled. Check if remote file exists. 
HTTP request sent, awaiting response… 404 Not Found 
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

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。

1
wget –tries=40 URL

9、使用wget -i下载多个文件

首先，保存一份下载链接文件

1
2
3
4
5
cat > filelist.txt 
url1 
url2 
url3 
url4

接着使用这个文件和参数-i下载

1
wget -i filelist.txt

10、使用wget –mirror镜像网站

下面的例子是下载整个网站到本地。

1
2
3
4
5
wget –mirror -p –convert-links -P ./LOCAL URL 
–miror:开户镜像下载 
-p:下载所有为了html页面显示正常的文件 
–convert-links:下载后，转换成本地的链接 
-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

你想下载一个网站，但你不希望下载图片，你可以使用以下命令。

1
wget –reject=gif url

12、使用wget -o把下载信息存入日志文件

你不希望下载信息直接显示在终端而是在一个日志文件，可以使用以下命令：

1
wget -o download.log URL

13、使用wget -Q限制总下载文件大小

当你想要下载的文件超过5M而退出下载，你可以使用以下命令:

1
wget -Q5m -i filelist.txt

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

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

1
wget -r -A.pdf url

15、使用wget FTP下载

你可以使用wget来完成ftp链接的下载。
使用wget匿名ftp下载

1
wget ftp-url

使用wget用户名和密码认证的ftp下载

1
wget –ftp-user=USERNAME –ftp-password=PASSWORD url

wget是在Linux下开发的开放源代码的软件，作者是Hrvoje Niksic，后来被移植到包括Windows在内的各个平台上。它有以下功能和特点：
（1）支持断点下传功能；这一点，也是网络蚂蚁和FlashGet当年最大的卖点，现在，Wget也可以使用此功能，那些网络不是太好的用户可以放心了；
（2）同时支持FTP和HTTP下载方式；尽管现在大部分软件可以使用HTTP方式下载，但是，有些时候，仍然需要使用FTP方式下载软件；
（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，即使网络上有很多免费软件，但是，这些软件的广告不是我们喜欢的；
wget虽然功能强大，但是使用起来还是比较简单的，基本的语法是：wget [参数列表] URL。下面就结合具体的例子来说明一下wget的用法。

1、下载整个http或者ftp站点。

1
wget http://place.your.url/here

这个命令可以将http://place.your.url/here 首页下载下来。使用-x会强制建立服务器上一模一样的目录，如果使用-nd参数，那么服务器上下载的所有内容都会加到本地当前目录。

1
wget -r http://place.your.url/here

这 个命令会按照递归的方法，下载服务器上所有的目录和文件，实质就是下载整个网站。这个命令一定要小心使用，因为在下载的时候，被下载网站指向的所有地址同 样会被下载，因此，如果这个网站引用了其他网站，那么被引用的网站也会被下载下来！基于这个原因，这个参数不常用。可以用-l number参数来指定下载的层次。例如只下载两层，那么使用-l 2。

要是您想制作镜像站点，那么可以使用－m参数，例如：

1
wget -m http://place.your.url/here

这时wget会自动判断合适的参数来制作镜像站点。此时，wget会登录到服务器上，读入robots.txt并按robots.txt的规定来执行。

2、断点续传:

当文件特别大或者网络特别慢的时候，往往一个文件还没有下载完，连接就已经被切断，此时就需要断点续传。wget的断点续传是自动的，只需要使用-c参数，例如：

1
wget -c http://the.url.of/incomplete/file

使用断点续传要求服务器支持断点续传。-t参数表示重试次数，例如需要重试100次，那么就写-t 100，如果设成-t 0，那么表示无穷次重试，直到连接成功。-T参数表示超时等待时间，例如-T 120，表示等待120秒连接不上就算超时。

3、批量下载。

如果有多个文件需要下载，那么可以生成一个文件，把每个文件的URL写一行，例如生成文件download.txt，然后用命令：

1
wget -i download.txt

这样就会把download.txt里面列出的每个URL都下载下来。（如果列的是文件就下载文件，如果列的是网站，那么下载首页）

4、选择性的下载。

可以指定让wget只下载一类文件，或者不下载什么文件。例如：

1
wget -m –reject=gif http://target.web.site/subdirectory

表示下载http://target.web.site/subdirectory，但是忽略gif文件。–accept=LIST 可以接受的文件类型，–reject=LIST拒绝接受的文件类型。

5、密码和认证

wget只能处理利用用户名/密码方式限制访问的网站，可以利用两个参数：

1
2
–http-user=USER设置HTTP用户 
–http-passwd=PASS设置HTTP密码

对于需要证书做认证的网站，就只能利用其他下载工具了，例如curl。

6、利用代理服务器进行下载

如果用户的网络需要经过代理服务器，那么可以让wget通过代理服务器进行文件的下载。此时需要在当前用户的目录下创建一个.wgetrc文件。文件中可以设置代理服务器：

1
2
http-proxy = 111.111.111.111:8080 
ftp-proxy = 111.111.111.111:8080

分别表示http的代理服务器和ftp的代理服务器。如果代理服务器需要密码则使用：

1
2
–proxy-user=USER设置代理用户 
–proxy-passwd=PASS设置代理密码

这两个参数。
使用参数–proxy=on/off 使用或者关闭代理。
wget还有很多有用的功能，需要用户去挖掘。
中文文档名在平常的情况下会被编码， 但是在 –cut-dirs 时又是正常的，

1
2
3
4
5
6
wget -r -np -nH –cut-dirs=3 ftp://host/test/ 
测试.txt 
wget -r -np -nH -nd ftp://host/test/ 
%B4%FA%B8%D5.txt 
wget “ftp://host/test/*” 
%B4%FA%B8%D5.txt

由于不知名的原因，可能是为了避开特殊档名， wget 会自动将抓取档名的部分用 encode_string 处理过， 所以该 patch 就把被 encode_string 处理成 “%3A” 这种东西， 用 decode_string 还原成 “:”，并套用在目录与档案名称的部分，decode_string 是 wget 内建的函式。

1
wget -t0 -c -nH -x -np -b -m -P /home/sunny/NOD32view/ http://downloads1.kaspersky-labs.com/bases/ -o wget.log