用wget下载整个网站,或者特定目录全部文件

 Iam7   2019-07-17 11:35   38 人阅读  0 条评论

需要下载某个目录下面的所有文件。

命令如下
wget -c -r -np -k -L -p http://nas.iam7.cn/list
在下载时。有用到外部域名的图片或连接。如果需要同时下载就要用-H参数。
wget -np -nH -r –span-hosts www.iam7.cn/list/
-c 断点续传
-r 递归下载,下载指定网页某一目录下(包括子目录)的所有文件
-nd 递归下载时不创建一层一层的目录,把所有的文件下载到当前目录
-np 递归下载时不搜索上层目录,如wget -c -r www.iam7.cn/list/
没有加参数-np,就会同时下载path的上一级目录pub下的其它文件
-k 将绝对链接转为相对链接,下载整个站点后脱机浏览网页,最好加上这个参数
-L 递归时不进入其它主机,如wget -c -r www.iam7.cn
如果网站内有一个这样的链接:
www.iam7.cn,不加参数-L,就会像大火烧山一样,会递归下载www.iam7.cn网站
-p 下载网页所需的所有文件,如图片等
-A 指定要下载的文件样式列表,多个样式用逗号分隔

-i 后面跟一个文件,文件内指明要下载的URL


有时候我们需要wget一个文件下载到指定的目录下,或者重命名成指定的名字
wget -r -p -np -k -P ~/tmp/ http://www.iam7.cn

wget居然有如此邪恶的用法

这个语句表示下载全站资料

等于把一个网站整个静态化到本地。


解释一下参数

-P 表示下载到哪个目录
-r 表示递归下载
-np 表示不下载旁站连接.
-k 表示将下载的网页里的链接修改为本地链接.
-p 获得所有显示网页所需的元素

额外的
-c 断点续传
-nd 递归下载时不创建一层一层的目录,把所有的文件下载到当前目录
-L 递归时不进入其它主机,如wget -c -r www.xxx.org/
-A 指定要下载的文件样式列表,多个样式用逗号分隔
-i 后面跟一个文件,文件内指明要下载的URL

* 使用代理下载
wget -Y on -p -k https://sourceforge.net/projects/wvware/

代理可以在环境变量或wgetrc文件中设定

# 在环境变量中设定代理
export PROXY=http://211.90.168.94:8080/
# 在~/.wgetrc中设定代理
http_proxy = http://proxy.yoyodyne.com:18023/
ftp_proxy = http://proxy.yoyodyne.com:18023/

wget各种选项分类列表

* 启动

-V, –version 显示wget的版本后退出
-h, –help 打印语法帮助
-b, –background 启动后转入后台执行
-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

-O, –output-file=FILE 把记录写到FILE文件中
-a, –append-output=FILE 把记录追加到FILE文件中
-d, –debug 打印调试输出
-q, –quiet 安静模式(没有输出)
-v, –verbose 冗长模式(这是缺省设置)
-nv, –non-verbose 关掉冗长模式,但不是安静模式
-i, –input-file=FILE 下载在FILE文件中出现的URLs
-F, –force-html 把输入文件当作HTML格式文件对待
-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
–sslcertfile=FILE 可选客户端证书
–sslcertkey=KEYFILE 可选客户端证书的KEYFILE
–egd-file=FILE 指定EGD socket的文件名

* 下载

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

* 目录

-nd –no-directories 不创建目录
-x, –force-directories 强制创建目录
-nH, –no-host-directories 不创建主机目录
-P, –directory-prefix=PREFIX 将文件保存到目录 PREFIX/…
–cut-dirs=NUMBER 忽略 NUMBER层远程目录

* HTTP 选项

–http-user=USER 设定HTTP用户名为 USER.
–http-passwd=PASS 设定http密码为 PASS.
-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).
-E, –html-extension 将所有text/html文档以.html扩展名保存
–ignore-length 忽略 `Content-Length’头域
–header=STRING 在headers中插入字符串 STRING
–proxy-user=USER 设定代理的用户名为 USER
–proxy-passwd=PASS 设定代理的密码为 PASS
–referer=URL 在HTTP请求中包含 `Referer: URL’头
-s, –save-headers 保存HTTP头到文件
-U, –user-agent=AGENT 设定代理的名称为 AGENT而不是 Wget/VERSION.
–no-http-keep-alive 关闭 HTTP活动链接 (永远链接).
–cookies=off 不使用 cookies.
–load-cookies=FILE 在开始会话前从文件 FILE中加载cookie
–save-cookies=FILE 在会话结束后将 cookies保存到 FILE文件中

* FTP 选项

-nr, –dont-remove-listing 不移走 `.listing’文件
-g, –glob=on/off 打开或关闭文件名的 globbing机制
–passive-ftp 使用被动传输模式 (缺省值).
–active-ftp 使用主动传输模式
–retr-symlinks 在递归的时候,将链接指向文件(而不是目录)

* 递归下载

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

-A, –accept=LIST 分号分隔的被接受扩展名的列表
-R, –reject=LIST 分号分隔的不被接受的扩展名的列表
-D, –domains=LIST 分号分隔的被接受域的列表
–exclude-domains=LIST 分号分隔的不被接受的域的列表
–follow-ftp 跟踪HTML文档中的FTP链接
–follow-tags=LIST 分号分隔的被跟踪的HTML标签的列表
-G, –ignore-tags=LIST 分号分隔的被忽略的HTML标签的列表
-H, –span-hosts 当递归时转到外部主机
-L, –relative 仅仅跟踪相对链接
-I, –include-directories=LIST 允许目录的列表
-X, –exclude-directories=LIST 不被包含目录的列表
-np, –no-parent 不要追溯到父目录


巧用Wget快速建立文件下载中心

1、使用Directory Lister和h5ai这类的文件下载程序最大的问题就是文件上传了,虽然我们没有了Web上传页面,但是我们可以直接使用Linux命令,这里就来介绍一下Wget强大之处。

2、Wget基本用法:

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
  1) 从网上下载单个文件
      wget http://www.freehao123.com/file.iso
      
  2) 下载一个文件,但以不同的名字存为本地文件
      wget --output-document=filename.html freehao123.com
      
 3) 下载一个文件,存到指定的目录
     wget --directory-prefix=folder/subfolder freehao123.com
     
 4) 恢复之前中断的一个wget下载
     wget --continue freehao123.com/big.file.isowget -c freehao123.com/big.file.iso
     
 5) 下载一个文件,但只在服务器上的版本比本地版本新时才会真正执行
     wget --continue --timestamping freehao123.com/latest.zip
     
 6) 用wget下载多个网址,这些网址存于一个文本文件中,一行一个网址
     wget --input list-of-file-urls.txt
     
 7) 从服务器下载一些以连续序号为文件名的文件
     wget http://example.com/images/{1..20}.jpg
     wget http://example.com/images/pre-{1..20}-post.jpg
     
 8) 下载一个网页,包括它所有的内容,比如样式表和包含的图片,它们是确保网页离线显示所必需的
 wget -page-requisites --span-hosts --convert-links --adjust-extension http://example.com/dir/file
 wget -p -H -k -E http://example.com/dir/file

3、Wget对整个网站进行镜像:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
1) 下载整个网站,包括它所有链接的页面和文件
wget --execute robots=off --recursive --no-parent --continue --no-clobber  
wget -e robots=off -r -np -c -nc  
 
2) 从网站上一个子目录中下载所有MP3文件
wget --level=1 --recursive --no-parent --accept mp3,MP3  
wget -l 1 -r -np -A mp3,MP3 http://example.com/mp3/ 

3) 将一个网站上的所有图片下载到同一个目录中
wget --directory-prefix=files/pictures --no-directories --recursive --no-clobber --accept jpg,gif,png,jpeg  
wget -P files/pictures -nd -r -nc -A jpg,gif,png,jpeg http://example.com/images/ 

4) 从一个网站上下载PDF文件,采用递归的方式,但不跳出指定的网域
wget --mirror --domains=abc.com,files.abc.com,docs.abc.com --accept=pdf  
wget -m -D abc.com,files.abc.com,docs.abc.com -A pdf http://abc.com/ 

5) 从一个网站上下载所有文件,但是排除某些目录
wget --recursive --no-clobber --no-parent --exclude-directories /forums,/support http://example.comwget -r -nc -np -X /forums,/support http://example.com

4、Wget高级用法:

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
  1) 下载网站上的文件,假设此网站检查User Agent和HTTP参照位址(referer)
  wget --referer=/5.0 --user-agent="Firefox/4.0.1" http://freehao123.com
  
 2) 从密码保护网站上下载文件
 wget --http-user=labnol --http-password=hello123 http://example.com/secret/file.zip
 
 3) 抓取登陆界面后面的页面。你需要将用户名和密码替换成实际的表格域值,而URL应该指向(实际的)表格提交页面
 wget --cookies=on --save-cookies cookies.txt --keep-session-cookies --post-data 'user=labnol&password=123' http://example.com/login.phpwget --cookies=on --load-cookies cookies.txt --keep-session-cookies http://example.com/paywall
 
 4) 在不下载的情况下,得到一个文件的大小 (在网络响应中寻找用字节表示的文件长度)
 wget --spider --server-response http://example.com/file.isowget --spider -S http://example.com/file.iso
 
 5) 下载一个文件,但不存储为本地文件,而是在屏幕上显示其内容
 wget --output-document=- --quiet google.com/humans.txtwget -O- -q google.com/humans.txt
 
 6) 得到网页的最后修改日期 (检查HTTP头中的Last Modified标签)
 wget --server-response --spider http://www.freehao123.com/
 wget -S --spider http://www.labnol.org/ 
 
 7) 检查你的网站上的链接是否都可用。spider选项将令wget不会在本地保存网页
 wget --output-file=logfile.txt --recursive --spider http://example.comwget -O logfile.txt -r --spider http://example.com

5、这里是Wget各个参数说明:

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
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
* 启动
  -V,  --version           显示wget的版本后退出
  -h,  --help              打印语法帮助
  -b,  --background        启动后转入后台执行
  -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
  -o,  --output-file=FILE   把记录写到FILE文件中
  -a,  --append-output=FILE 把记录追加到FILE文件中
  -d,  --debug              打印调试输出
  -q,  --quiet              安静模式(没有输出)
  -v,  --verbose            冗长模式(这是缺省设置)
  -nv, --non-verbose        关掉冗长模式,但不是安静模式
  -i,  --input-file=FILE    下载在FILE文件中出现的URLs
  -F,  --force-html         把输入文件当作HTML格式文件对待
  -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
       --sslcertfile=FILE    可选客户端证书
       --sslcertkey=KEYFILE  可选客户端证书的KEYFILE
       --egd-file=FILE      指定EGD socket的文件名
 
* 下载
       --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)
  -t,  --tries=NUMBER         设定最大尝试链接次数(0 表示无限制).
  -O   --output-document=FILE 把文档写到FILE文件中
  -nc, --no-clobber           不要覆盖存在的文件或使用.#前缀
  -c,  --continue             接着下载没下载完的文件
       --progress=TYPE         设定进程条标记
  -N,  --timestamping         不要重新下载文件除非比本地文件新
  -S,  --server-response      打印服务器的回应
       --spider               不下载任何东西
  -T,  --timeout=SECONDS      设定响应超时的秒数
  -w,  --wait=SECONDS         两次尝试之间间隔SECONDS秒
       --waitretry=SECONDS    在重新链接之间等待1...SECONDS秒
       --random-wait          在下载之间等待0...2*WAIT秒
  -Y,  --proxy=on/off         打开或关闭代理
  -Q,  --quota=NUMBER         设置下载的容量限制
       --limit-rate=RATE       限定下载输率
 
* 目录
  -nd  --no-directories        不创建目录
  -x,  --force-directories      强制创建目录
  -nH, --no-host-directories     不创建主机目录
  -P,  --directory-prefix=PREFIX   将文件保存到目录 PREFIX/...
       --cut-dirs=NUMBER           忽略 NUMBER层远程目录
 
* HTTP 选项
       --http-user=USER      设定HTTP用户名为 USER.
       --http-passwd=PASS    设定http密码为 PASS.
  -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).
  -E,  --html-extension      将所有text/html文档以.html扩展名保存
       --ignore-length       忽略 `Content-Length'头域       
       --header=STRING       在headers中插入字符串 STRING       
       --proxy-user=USER     设定代理的用户名为 USER       
       --proxy-passwd=PASS   设定代理的密码为 PASS       
       --referer=URL         在HTTP请求中包含 `Referer: URL'头
  -s,  --save-headers        保存HTTP头到文件
  -U,  --user-agent=AGENT    设定代理的名称为 AGENT而不是 Wget/VERSION.
       --no-http-keep-alive  关闭 HTTP活动链接 (永远链接).
       --cookies=off         不使用 cookies.
       --load-cookies=FILE   在开始会话前从文件 FILE中加载cookie
       --save-cookies=FILE   在会话结束后将 cookies保存到 FILE文件中
 
* FTP 选项
  -nr, --dont-remove-listing   不移走 `.listing'文件
  -g,  --glob=on/off           打开或关闭文件名的 globbing机制       
  --passive-ftp           使用被动传输模式 (缺省值).       
  --active-ftp            使用主动传输模式       
  --retr-symlinks         在递归的时候,将链接指向文件(而不是目录) * 递归下载
  -r,  --recursive          递归下载--慎用!
  -l,  --level=NUMBER       最大递归深度 (inf 或 0 代表无穷).       
  --delete-after       在现在完毕后局部删除文件
  -k,  --convert-links      转换非相对链接为相对链接
  -K,  --backup-converted   在转换文件X之前,将之备份为 X.orig
  -m,  --mirror             等价于 -r -N -l inf -nr.
  -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)
  -A,  --accept=LIST                分号分隔的被接受扩展名的列表
  -R,  --reject=LIST                分号分隔的不被接受的扩展名的列表
  -D,  --domains=LIST               分号分隔的被接受域的列表       
  --exclude-domains=LIST       分号分隔的不被接受的域的列表       
  --follow-ftp                 跟踪HTML文档中的FTP链接       
  --follow-tags=LIST           分号分隔的被跟踪的HTML标签的列表
  -G,  --ignore-tags=LIST           分号分隔的被忽略的HTML标签的列表
  -H,  --span-hosts                 当递归时转到外部主机
  -L,  --relative                   仅仅跟踪相对链接
  -I,  --include-directories=LIST   允许目录的列表
  -X,  --exclude-directories=LIST   不被包含目录的列表
  -np, --no-parent           不要追溯到父目录



本文地址:http://blog.iam7.cn/?id=8
版权声明:本文为原创文章,版权归 Iam7 所有,欢迎分享本文,转载请保留出处!

 发表评论


表情

还没有留言,还不快点抢沙发?