wget · 环境部署

[TOC] ## 简介 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。 ## 功能特点 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，即使网络上有很多所谓的免费软件，但是，这些软件的广告却不是我们喜欢的； ## 功能详解 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。 ~~~ 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。 ~~~ 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： ~~~ 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： ~~~ 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： ~~~ 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： ~~~ 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： ~~~ –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： ~~~ 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 ~~~ 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。 ## 命令解析：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 ~~~ 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， ~~~ 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 由於不知名的原因，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。