使用wget 工具下载网站所有目录文件

您所在的位置：网站首页 › 怎么提取网页里的文件 › 使用wget 工具下载网站所有目录文件

使用wget 工具下载网站所有目录文件

2024-07-09 21:00| 来源: 网络整理| 查看: 265

摘要

在Windows下的用户都比较熟悉 Teleport，webzip等等网站下载工具，实际上linux中也完全可以做到这样的功能，那就是利用wget工具。wget是一个命令行工具，用来下载网络文件或者整个网站，它具有自动重试、断点续传、支持代理服务器等等强大的功能。它可以完全替代ftp客户端。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。

常用命令参数 -c 断点续传（备注：使用断点续传要求服务器支持断点续传）-r 递归下载（目录下的所有文件,包括子目录），-np 递归下载不搜索上层目录，-k 把绝对链接转为相对链接，这样下载之后的网页方便浏览。-L 递归时不进入其他主机，-p 下载网页所需要的所有文件。例如：

1.下载xxxx网站下面的目录zzzzz

#wget -c -r -np -k -L -p http://www.xxxx.com/yyyy/zzzzz

2.后台方式下载qiyi网站日志压缩文件charge_order.tar.gz ，并记录下载进度到charge_order_download.log日志中

wget -b http://www.qiyi.com/download/log/charge_order.tar.gz --http-user=admin --http-passwd=12345678 -acharge_order_download.log 常见用法 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

参数大全

参数: 代码:

$ wget –help

GNU Wget 1.9.1，非交互式的网络文件下载工具。　　用法： wget [选项]… [URL]…

长选项必须用的参数在使用短选项时也是必须的。

启动：

-V, –version 显示 Wget 的版本并且退出。-h, –help 打印此帮助。-b, -background 启动后进入后台操作。-e, -execute=COMMAND 运行‘.wgetrc’形式的命令。

日志记录及输入文件：

-o, –output-file=文件将日志消息写入到指定文件中。-a, –append-output=文件将日志消息追加到指定文件的末端。-d, –debug 打印调试输出。-q, –quiet 安静模式(不输出信息)。-v, –verbose 详细输出模式(默认)。-nv, –non-verbose 关闭详细输出模式，但不进入安静模式。-i, –input-file=文件下载从指定文件中找到的 URL。-F, –force-html 以 HTML 方式处理输入文件。-B, –base=URL 使用 -F -i 文件选项时，在相对链接前添加指定的 URL。

下载：

-t, –tries=次数配置重试次数（0 表示无限）。–retry-connrefused 即使拒绝连接也重试。-O –output-document=文件将数据写入此文件中。-nc, –no-clobber 不更改已经存在的文件，也不使用在文件名后添加 .#（# 为数字）的方法写入新的文件。-c, –continue 继续接收已下载了一部分的文件。–progress=方式选择下载进度的表示方式。-N, –timestamping 除非远程文件较新，否则不再取回。-S, –server-response 显示服务器回应消息。–spider 不下载任何数据。-T, –timeout=秒数配置读取数据的超时时间 (秒数)。-w, –wait=秒数接收不同文件之间等待的秒数。–waitretry=秒数在每次重试之间稍等一段时间 (由 1 秒至指定的秒数不等)。–random-wait 接收不同文件之间稍等一段时间(由 0 秒至 2*WAIT 秒不等)。-Y, –proxy=on/off 打开或关闭代理服务器。-Q, –quota=大小配置接收数据的限额大小。–bind-address=地址使用本机的指定地址 (主机名称或 IP) 进行连接。–limit-rate=速率限制下载的速率。–dns-cache=off 禁止查找存于高速缓存中的 DNS。–restrict-file-names=OS 限制文件名中的字符为指定的 OS (操作系统) 所允许的字符。

-nd –no-directories 不创建目录。-x, –force-directories 强制创建目录。-nH, –no-host-directories 不创建含有远程主机名称的目录。-P, –directory-prefix=名称保存文件前先创建指定名称的目录。–cut-dirs=数目忽略远程目录中指定数目的目录层。

HTTP 选项：

–http-user=用户配置 http 用户名。–http-passwd=密码配置 http 用户密码。-C, –cache=on/off (不)使用服务器中的高速缓存中的数据 (默认是使用的)。-E, –html-extension 将所有 MIME 类型为 text/html 的文件都加上 .html 扩展文件名。–ignore-length 忽略“Content-Length”文件头字段。–header=字符串在文件头中添加指定字符串。–proxy-user=用户配置代理服务器用户名。–proxy-passwd=密码配置代理服务器用户密码。–referer=URL 在 HTTP 请求中包含“Referer：URL”头。-s, –save-headers 将 HTTP 头存入文件。-U, –user-agent=AGENT 标志为 AGENT 而不是 Wget/VERSION。–no-http-keep-alive 禁用 HTTP keep-alive（持久性连接）。–cookies=off 禁用 cookie。–load-cookies=文件会话开始前由指定文件载入 cookie。–save-cookies=文件会话结束后将 cookie 保存至指定文件。–post-data=字符串使用 POST 方法，发送指定字符串。–post-file=文件使用 POST 方法，发送指定文件中的内容。

HTTPS (SSL) 选项：

–sslcertfile=文件可选的客户段端证书。–sslcertkey=密钥文件对此证书可选的“密钥文件”。–egd-file=文件 EGD socket 文件名。–sslcadir=目录 CA 散列表所在的目录。–sslcafile=文件包含 CA 的文件。–sslcerttype=0/1 Client-Cert 类型 0=PEM (默认) / 1=ASN1 (DER)–sslcheckcert=0/1 根据提供的 CA 检查服务器的证书–sslprotocol=0-3 选择 SSL 协议；0=自动选择，1=SSLv2 2=SSLv3 3=TLSv1

FTP 选项：

-nr, –dont-remove-listing 不删除“.listing”文件。-g, –glob=on/off 设置是否展开有通配符的文件名。–passive-ftp 使用“被动”传输模式。–retr-symlinks 在递归模式中，下载链接所指示的文件(连至目录则例外）。

递归下载：

-r, –recursive 递归下载。-l, –level=数字最大递归深度(inf 或 0 表示无限)。–delete-after 删除下载后的文件。-k, –convert-links 将绝对链接转换为相对链接。-K, –backup-converted 转换文件 X 前先将其备份为 X.orig。-m, –mirror 等效于 -r -N -l inf -nr 的选项。-p, –page-requisites 下载所有显示完整网页所需的文件，例如图像。–strict-comments 打开对 HTML 备注的严格(SGML)处理选项。

递归下载时有关接受/拒绝的选项：

-A, –accept=列表接受的文件样式列表，以逗号分隔。-R, –reject=列表排除的文件样式列表，以逗号分隔。-D, –domains=列表接受的域列表，以逗号分隔。–exclude-domains=列表排除的域列表，以逗号分隔。–follow-ftp 跟随 HTML 文件中的 FTP 链接。–follow-tags=列表要跟随的 HTML 标记，以逗号分隔。-G, –ignore-tags=列表要忽略的 HTML 标记，以逗号分隔。-H, –span-hosts 递归时可进入其它主机。-L, –relative 只跟随相对链接。-I, –include-directories=列表要下载的目录列表。-X, –exclude-directories=列表要排除的目录列表。-np, –no-parent 不搜索上层目录。

【本文地址】

公司简介

联系我们