wget学习笔记——从网络上自动下载文件的自由工具

wget 是 Linux 中的一个下载文件的工具，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。wget工具体积小但功能完善，支持断点下载功能，同时支持通过 HTTP、HTTPS、FTP 三个最常见的 TCP/IP协议 下载，并可以使用 HTTP 代理。”wget” 这个名称来源于 “World Wide Web” 与 “get” 的结合。

wget 是一个从网络上自动下载文件的自由工具，所谓自动下载，是指 wget 可以在用户退出系统的之后在继续后台执行，直到下载任务完成。

[root@network test]# yum install -y wget

[root@network test]# wget --help

3.1 启动参数

-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。

3.2 文件参数

-o,  --output-file=FILE    将日志信息写入 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。
     --report-speed=TYPE   Output bandwidth as TYPE.  TYPE can be bits.
-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)。
--cOnfig=FILE         Specify config file to use.

3.3 下载参数

-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              skip downloads that would download to
                               existing files (overwriting them).
-c,  --continue                断点续传下载文件。
     --progress=TYPE           选择进度条类型。
-N,  --timestamping            只获取比本地文件新的文件。
     --no-use-server-timestamps     不用服务器上的时间戳来设置本地文件。
-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*WAIT...1.5*WAIT 秒。
     --no-proxy                禁止使用代理。
-Q,  --quota=NUMBER            设置获取配额为 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
                               FAMILY 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 (国际化资源标识符) 使用 ENC 作为本地编码。
     --remote-encoding=ENC     使用 ENC 作为默认远程编码。
     --unlink                  remove file before clobber.

3.4 目录参数

-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          忽略远程目录中 NUMBER 个目录层。

3.5 HTTP参数

     --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)。
     --content-on-error      output the received content on server errors.
     --auth-no-challenge     发送不含服务器询问的首次等待
                             的基本 HTTP 验证信息。

3.6 HTTPS (SSL/TLS)参数

     --secure-protocol=PR     choose secure protocol, one of auto, SSLv2,
                              SSLv3, TLSv1, TLSv1_1 and TLSv1_2.
     --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。

3.7 FTP参数

     --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。
     --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)。

3.8 WARC参数

     --warc-file=FILENAME      save request/response data to a .warc.gz file.
     --warc-header=STRING      insert STRING into the warcinfo record.
     --warc-max-size=NUMBER    set maximum size of WARC files to NUMBER.
     --warc-cdx                write CDX index files.
     --warc-dedup=FILENAME     do not store records listed in this CDX file.
     --no-warc-compression     do not compress WARC files with GZIP.
     --no-warc-digests         do not calculate SHA1 digests.
     --no-warc-keep-log        do not store the log file in a WARC record.
     --warc-tempdir=DIRECTORY  location for temporary files created by the
                               WARC writer.

3.9 递归下载参数

-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。
     --backups=N   before writing file X, rotate up to N backup files.
-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。

3.10 递归接受/拒绝参数

-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。
     --accept-regex=REGEX        regex matching accepted URLs.
     --reject-regex=REGEX        regex matching rejected URLs.
     --regex-type=TYPE           regex type (posix|pcre).
-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。
     --trust-server-names             use the name specified by the redirection
                                      url last component.
-X,  --exclude-directories=LIST  排除目录的列表。
-np, --no-parent                 不追溯至父目录。

4.1 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。
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）。

wget http://cn.wordpress.org/wordpress-4.9.4-zh_CN.tar.gz

4.2 使用wget -O下载并以不同的文件名保存

我们可以使用参数-O来指定一个文件名。

wget -O wordpress.tar.gz  http://cn.wordpress.org/wordpress-4.9.4-zh_CN.tar.gz

wordpress.tar.gz

4.3 使用wget -c断点续传

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。

 wget -c https://cn.wordpress.org/wordpress-4.9.4-zh_CN.tar.gz

4.4 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 https://cn.wordpress.org/wordpress-4.9.4-zh_CN.tar.gz

继续在后台运行，pid 为 1463。
将把输出写入至 “wget-log”。

你可以使用以下命令来察看下载进度

[root@network test]# tail -f wget-log
    8550K .......... .......... .......... .......... .......... 96%  814K 0s
    8600K .......... .......... .......... .......... .......... 97% 9.53M 0s
    8650K .......... .......... .......... .......... .......... 98% 86.8M 0s
    8700K .......... .......... .......... .......... .......... 98%  145M 0s
    8750K .......... .......... .......... .......... .......... 99% 67.4M 0s
    8800K .......... .......... .......... .......... .......... 99%  107M 0s
    8850K .......... .........                                  100% 1.95M=16s

    2018-11-10 15:39:07 (564 KB/s) - 已保存 “wordpress-4.9.4-zh_CN.tar.gz.2” [9082696/9082696])

4.5 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。

4.6 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 
如果下载链接正确，将会显示 
  
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 

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

4.7 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 

4.8 使用wget -i下载多个文件

首先，保存一份下载链接文件 
cat > filelist.txt 
url1 
url2 
url3 
url4 

接着使用这个文件和参数-i下载 
wget -i filelist.txt

4.9 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 

4.10 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

• 由 Leung 写于 2021 年 6 月 30 日

• 参考：wget命令详解