wget 整站下载(递归下载至本地)

0 Comment
2018-9-9 更新

有个小资料站想整站下载保存,想起 wget 能胜任,Google 找来方法,wget 确实好用。

wget 是一个从网络上自动(可以在用户退出系统的之后在后台执行,直至任务完成)下载文件的自由工具,支持 HTTP,HTTPS 和 FTP 协议,可以使用 HTTP 代理。

wget 镜像/下载整站

wget -m 镜像站点

wget -m --no-check-certificate www.example.com

-m —— 镜像 (–mirror 等价于 -r -N -l inf -nr)
--no-check-certificate —— 不检查 SSL 证书

以递归的方式下载整站,并将页面中链接转换为本地链接

wget -r -p -np -k http://www.example.com

说明:

  • -r, –recursive(递归)
  • -k, –convert-links(转换链接、将 HTML 页面中的链接转换为相对链接即本地链接)
  • -p, –page-requisites(下载所有的图片等页面显示所需的内容)
  • -np, –no-parent(不追溯至父级)
  • –restrict-file-names=nocontrol 用来解决中文乱码问题(需要可以试试)

使用 wget 同步网站镜像

wget -m -L –reject = http://www.***.com/***/

来源:(原创)使用wget同步网站镜像的方法

wget 其他使用技巧

来源:wget 使用技巧

wget -r -np -nd http://example.com/packages/

下载 http://example.com 网站上 packages 目录中所有文件。其中,-np 作用是不遍历父目录,-nd 表示不在本机重新创建目录结构。

wget -r -np -nd --accept=iso http://example.com/centos-5/i386/

与上一条命令相似,但多加一个 --accept=iso 选项,这指示 wget 仅下载 i386 目录中所有扩展名为 iso 的文件。也可以指定多个扩展名,只需用逗号分隔即可。

wget -i filename.txt

常用于批量下载,把所有需要下载文件的地址放到 filename.txt 中,然后 wget 就会自动下载所有文件。

wget -c http://example.com/really-big-file.iso

这里所指定的 -c 选项的作用为断点续传。

wget -m -k (-H) http://www.example.com/

用来镜像一个网站,wget 将对链接进行转换。如果网站中的图像是放在另外的站点,那么可以使用 -H 选项。

wget 各种选项分类列表

来源:博客教主 - (整理)wget 参数用法详解

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
wget -S –spider url 不下载只显示过程

参考资料

wget进行整站下载(递归下载至本地) - A BOX OF CHOCOLATE

[参考]wget下载整站 - bbsmax

彩蛋:Vultr 充$5送$25,详情 | 搬瓦工年付$19补货,优惠码BWH26FXH3HIQ『点击直达』| 爱国:木弟子信息专页VPS信息
声明:除非注明,常阳时光文章均为原创
本文地址:https://cyhour.com/628/
转载时必须以链接形式注明原始出处。
Views: 31 Tags:  ,  ,  ,  , 

Comments:0

发表留言

彩蛋:Vultr 充$5送$25,详情 | 搬瓦工年付$19补货,优惠码BWH26FXH3HIQ『点击直达』| 爱国:木弟子信息专页VPS信息