wget 整站下载(递归下载至本地)

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

下载整个 example.com 网站

wget --random-wait -r -p -e robots=off -U mozilla http://example.com

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 -nd -r -l1 --no-parent http://ooxx.com/packages/

下载 packages 目录下所有文件:-nd 不创建目录;-r 递归下载;-l1只下载当前目录下的文件;–no-parent 不下载父目录中的文件。

wget -nd -r -l1 --no-parent -A.ipk -A.gz http://ooxx.com/packages/

只下载 http://ooxx.com/packages/ 下 .ipk 文件和 .gz 文件。

wget -c -r -np -k -L --reject=html http://mirrors.rit.edu/rpi/images/ -e robots=off

下载网站目录下除 html 外的文件和目录,且不遵守 robots.txt 限制。

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

除非注明,沙唐桔文章均为原创,本文地址 https://cyhour.com/628/,转载时必须以链接形式注明原始出处。
声明:我们不销售主机,选主机需合法使用。任何主机需定期备份,防止数据丢失。信息以实际为准,评测仅供参考不代表权威!
🔞:Netflix 奈飞 YouTube 合租免费节点Telegram 频道

Windows 局域网共享一键修复 OKShare.bat

Windows 局域网共享一键修复批处理,兼容 Windows 10。OKShare.bat 可一键修复各种网络共享失败问题,如:本机共享无法被访问、无法访问别人共享,无法共享打印机,网络邻居、工作组无法浏览或打开缓慢等问题。 主要功能 查看网络信息 简单共享(无密码) 密码共享 共享和权限设置 …
浏览: 81 标签:  ,  ,  ,  ,  , 

1800年至2100年最早和最晚春节

为搞清春节日期最早和最晚分别会在什么时候出现,就自己编程计算了下,搜索了从1600年至2100年的所有年份,发现最早的春节出现在1月21日,而最晚的春节则出现在2月20日。其中,上一个春节日期极值点位于1985年的2月20日,下一个极值点则要到2061年的1月21日。 1800年至2100年所有春节日期(标有★号…
浏览: 44 标签:  ,  ,  ,  ,  , 

MagicBook Pro 锐龙版 Linux 版 Win 10 无线网卡驱动

MagicBook Pro 锐龙版 Linux版 AMD R5 集显 8GB+512GB (HLY-W19RL),亲测安装 Win 10 LTSB 2016、Win 10 1903,均无法安装到无线网卡驱动,比较坑的是找客服,因为自带 Linux,不提供 Windows 版本驱动。(其实是没有选对型号) 无法确定型号可以到官网查询保修信息来确定:荣耀笔记本产品保修状态…
浏览: 160 标签:  ,  ,  , 
浏览: 131 标签:  ,  ,  ,  , 

Comments:0

发表留言

Vultr 送$100,搬瓦工年付最低$49,优惠码 BWH3HYATVBJW,更多推荐VPS信息