zoukankan      html  css  js  c++  java
  • 使用wget进行整站下载(转)

    wget在Linux下默认已经安装,Windows下需要自行安装。

    Windows下载地址:http://wget.addictivecode.org/Faq.html#download,链接:http://pan.baidu.com/s/1bp3rB9H 密码:jt9v

    常用命令(递归下载网站):

    wget -r -p -np -k /home/user/root/  http://www.abc.com/abc/
    命令格式: 
    wget [参数列表] [目标软件、网页的网址] 
    
    -V,–version 显示软件版本号然后退出; 
    -h,–help显示软件帮助信息; 
    -e,–execute=COMMAND 执行一个 “.wgetrc”命令 
    
    -o,–output-file=FILE 将软件输出信息保存到文件; 
    -a,–append-output=FILE将软件输出信息追加到文件; 
    -d,–debug显示输出信息; 
    -q,–quiet 不显示输出信息; 
    -i,–input-file=FILE 从文件中取得URL; 
    
    -t,–tries=NUMBER 是否下载次数(0表示无穷次) 
    -O –output-document=FILE下载文件保存为别的文件名 
    -nc, –no-clobber 不要覆盖已经存在的文件 
    -N,–timestamping只下载比本地新的文件 
    -T,–timeout=SECONDS 设置超时时间 
    -Y,–proxy=on/off 关闭代理 
    
    -nd,–no-directories 不建立目录 
    -x,–force-directories 强制建立目录 
    
    –http-user=USER设置HTTP用户 
    –http-passwd=PASS设置HTTP密码 
    –proxy-user=USER设置代理用户 
    –proxy-passwd=PASS设置代理密码 
    
    -r,–recursive 下载整个网站、目录(小心使用) 
    -l,–level=NUMBER 下载层次 
    
    -A,–accept=LIST 可以接受的文件类型 
    -R,–reject=LIST拒绝接受的文件类型 
    -D,–domains=LIST可以接受的域名 
    –exclude-domains=LIST拒绝的域名 
    -L,–relative 下载关联链接 
    –follow-ftp 只下载FTP链接 
    -H,–span-hosts 可以下载外面的主机 
    -I,–include-directories=LIST允许的目录 
    -X,–exclude-directories=LIST 拒绝的目录 

    操作实例:

    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

    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

    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:

    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。

    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:

    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。

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

    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

    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。

    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://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。

    wget –spider URL 

    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。

    wget –tries=40 URL

    9、使用wget -i下载多个文件

    wget -i filelist.txt
    #filelist.txt为下载url列表
    url1 
    url2 
    url3 
    url4 

    10、使用wget –mirror镜像网站

    下面的例子是下载整个网站到本地。

    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。

    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:

    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:

    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

    下载一个网站的所有PDF文件

    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

    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

    16、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:

    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。

    17、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:

    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。

    18、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:

    –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。

    19、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:

    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:

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

    使用参数–proxy=on/off 使用或者关闭代理。

    20、中文文档名在平常的情况下会被编码, 使用–cut-dirs时可以正常显示

    wget -r -np -nH –cut-dirs=3 ftp://host/test/ 

    以上转自:http://www.jb51.net/LINUXjishu/86326.html

    转载于:https://www.cnblogs.com/EasonJim/p/6870387.html

  • 相关阅读:
    ABP拦截器之UnitOfWorkRegistrar(一)
    ABP中的拦截器之EntityHistoryInterceptor
    ABP中的拦截器之AuditingInterceptor
    ABP中的拦截器之ValidationInterceptor(下)
    ABP中的拦截器之ValidationInterceptor(上)
    ABP中模块初始化过程(二)
    ABP中的模块初始化过程(一)
    工欲善其事必先利其器
    ie9/8的iframe中jQuery报错
    git仓库删除所有提交历史记录
  • 原文地址:https://www.cnblogs.com/mobilecard/p/13197945.html
Copyright © 2011-2022 走看看