- 浏览: 21240 次
- 性别:
- 来自: 北京
最新评论
wget 使用指南
wget是一个从网络上自动下载文件的自由工具。它支持HTTP,HTTPS和FTP协议,可以使用HTTP代理.
所谓的自动下载是指,wget可以在用户退出系统的之后在后台执行。
这意味这你可以登录系统,启动一个wget下载任务,然后退出系统,
wget将在后台执行直到任务完成,
相对于其它大部分浏览器在下载大量数据时需要用户一直的参与,这省去了极大的麻烦。
wget 可以跟踪HTML页面上的链接依次下载来创建远程服务器的本地版本,
完全重建原始站点的目录结构。这又常被称作"递归下载"。
在递归下载的时候,wget 遵循Robot Exclusion标准(/robots.txt).
wget可以在下载的同时,将链接转换成指向本地文件,以方便离线浏览。
wget 非常稳定,它在带宽很窄的情况下和不稳定网络中有很强的适应性.
如果是由于网络的原因下载失败,wget会不断的尝试,直到整个文件下载完毕。
如果是服务器打断下载过程,它会再次联到服务器上从停止的地方继续下载。
这对从那些限定了链接时间的服务器上下载大文件非常有用。
wget的常见用法
wget的使用格式
Usage: wget [OPTION]... [URL]...
用wget做站点镜像:
wget -r -p -np -khttp://dsec.pku.edu.cn/~us.. (http://dsec.pku.edu.cn/~us..)
-r 表示递归下载,会下载所有的链接,不过要注意的是,
不要单独使用这个参数,因为如果你要下载的网站也有别的网站的链接,
wget也会把别的网站的东西下载下来,所以要加上 -np这个参数,
表示不下载别的站点的链接. -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,比如图片什么的.
# 或者
wget -mhttp://www.tldp.org/LDP/ab.. (http://www.tldp.org/LDP/ab..)
在不稳定的网络上下载一个部分下载的文件,以及在空闲时段下载
wget -t 0 -w 31 -chttp://dsec.pku.edu.cn/BBC.. (http://dsec.pku.edu.cn/BBC..) -o down.log &
# 或者从filelist读入要下载的文件列表
wget -t 0 -w 31 -c -Bftp://dsec.pku.edu.cn/linu.. (ftp://dsec.pku.edu.cn/linu..) -i filelist.txt -o down.log &
上面的代码还可以用来在网络比较空闲的时段进行下载。我的用法是:在mozilla中将不方便当时下载的URL链接拷贝到内存中然后粘贴到文件filelist.txt中,
在晚上要出去系统前执行上面代码的第二条。
使用代理下载
wget -Y on -p -khttps://sourceforge.net/pr.. (https://sourceforge.net/pr..)
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:.. (http://proxy.yoyodyne.com:..)
ftp_proxy =http://proxy.yoyodyne.com:.. (http://proxy.yoyodyne.com:..)
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
c:\wget\wget.exe
<a href="./bjgov/1.jsp">1.jsp</a>
java.exe javac.exe
java Hello.class
F:\项目班教学\lucene\爬虫\wget>
wget
-P D:\
-o D:\wget.log
-nv
-m -D www.beijing.gov.cn
--save-headers
-N
--convert-links
-A html, htm, shtml http://www.puckasoft.com/
<a href='index.jsp'>baidu</a>
c:\wget -P C:\ -o C:\wget.log -nv -m -D www.beijing.gov.cn -N --convert-links -A html, htm, shtml http://www.beijing.gov.cn/
-P D:\ 将文件保存到D:盘
-o D:\wget.log 将日志写到E:\wget.log
-nv 关掉冗长模式,但不是安静模式(即后台运行)
-m -D www.qybg365.com 拷贝www.qybg365.com镜像
--save-headers 保存HTTP头到文件
-N 不要重新下载文件除非比本地文件新
--convert-links 转换非相对链接为相对链接
-A html, htm, shtml 分号分隔的被接受扩展名的列表
wget是一个从网络上自动下载文件的自由工具。它支持HTTP,HTTPS和FTP协议,可以使用HTTP代理.
所谓的自动下载是指,wget可以在用户退出系统的之后在后台执行。
这意味这你可以登录系统,启动一个wget下载任务,然后退出系统,
wget将在后台执行直到任务完成,
相对于其它大部分浏览器在下载大量数据时需要用户一直的参与,这省去了极大的麻烦。
wget 可以跟踪HTML页面上的链接依次下载来创建远程服务器的本地版本,
完全重建原始站点的目录结构。这又常被称作"递归下载"。
在递归下载的时候,wget 遵循Robot Exclusion标准(/robots.txt).
wget可以在下载的同时,将链接转换成指向本地文件,以方便离线浏览。
wget 非常稳定,它在带宽很窄的情况下和不稳定网络中有很强的适应性.
如果是由于网络的原因下载失败,wget会不断的尝试,直到整个文件下载完毕。
如果是服务器打断下载过程,它会再次联到服务器上从停止的地方继续下载。
这对从那些限定了链接时间的服务器上下载大文件非常有用。
wget的常见用法
wget的使用格式
Usage: wget [OPTION]... [URL]...
用wget做站点镜像:
wget -r -p -np -khttp://dsec.pku.edu.cn/~us.. (http://dsec.pku.edu.cn/~us..)
-r 表示递归下载,会下载所有的链接,不过要注意的是,
不要单独使用这个参数,因为如果你要下载的网站也有别的网站的链接,
wget也会把别的网站的东西下载下来,所以要加上 -np这个参数,
表示不下载别的站点的链接. -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,比如图片什么的.
# 或者
wget -mhttp://www.tldp.org/LDP/ab.. (http://www.tldp.org/LDP/ab..)
在不稳定的网络上下载一个部分下载的文件,以及在空闲时段下载
wget -t 0 -w 31 -chttp://dsec.pku.edu.cn/BBC.. (http://dsec.pku.edu.cn/BBC..) -o down.log &
# 或者从filelist读入要下载的文件列表
wget -t 0 -w 31 -c -Bftp://dsec.pku.edu.cn/linu.. (ftp://dsec.pku.edu.cn/linu..) -i filelist.txt -o down.log &
上面的代码还可以用来在网络比较空闲的时段进行下载。我的用法是:在mozilla中将不方便当时下载的URL链接拷贝到内存中然后粘贴到文件filelist.txt中,
在晚上要出去系统前执行上面代码的第二条。
使用代理下载
wget -Y on -p -khttps://sourceforge.net/pr.. (https://sourceforge.net/pr..)
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:.. (http://proxy.yoyodyne.com:..)
ftp_proxy =http://proxy.yoyodyne.com:.. (http://proxy.yoyodyne.com:..)
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
c:\wget\wget.exe
<a href="./bjgov/1.jsp">1.jsp</a>
java.exe javac.exe
java Hello.class
F:\项目班教学\lucene\爬虫\wget>
wget
-P D:\
-o D:\wget.log
-nv
-m -D www.beijing.gov.cn
--save-headers
-N
--convert-links
-A html, htm, shtml http://www.puckasoft.com/
<a href='index.jsp'>baidu</a>
c:\wget -P C:\ -o C:\wget.log -nv -m -D www.beijing.gov.cn -N --convert-links -A html, htm, shtml http://www.beijing.gov.cn/
-P D:\ 将文件保存到D:盘
-o D:\wget.log 将日志写到E:\wget.log
-nv 关掉冗长模式,但不是安静模式(即后台运行)
-m -D www.qybg365.com 拷贝www.qybg365.com镜像
--save-headers 保存HTTP头到文件
-N 不要重新下载文件除非比本地文件新
--convert-links 转换非相对链接为相对链接
-A html, htm, shtml 分号分隔的被接受扩展名的列表
发表评论
-
遮盖层覆盖整个页面
2015-07-08 10:45 553html代码: <body topmargin= ... -
spring注解+restlet
2014-08-26 13:32 605spring注解精解: http://www.douban.c ... -
Spring使用程序方式读取properties文件
2014-07-03 10:37 487Spring使用程序方式读取properties文件 在sp ... -
用javascript取当前系统时间(年、月、日等全)
2013-07-25 14:56 527var myDate = new Date(); myDate ... -
sql--查询数据库的连接数
2013-06-07 14:04 552Oracle: select * from v$sessio ... -
jQuery中设置form表单中action值的方法
2013-04-28 18:16 1083html代码: <form id="myFo ... -
java filter
2013-04-24 23:17 830一、使浏览器不缓存页面的过滤器 Java代码 impo ... -
sql count
2013-04-23 14:33 668连接该服务器的个数: SELECT count(*) FRO ... -
关闭打开页js(兼容浏览器)
2013-04-22 13:17 809<script> function closeSe ... -
sql-修改表
2013-04-11 10:19 646如需在表中添加列,请使用下列语法: ALTER TABLE t ... -
Struts2的整理
2012-11-13 13:31 8191、任何表现层框架都是用来帮我们实现MVC model1(js ... -
dwr的使用
2012-11-11 12:38 744Dwr使用说明 1. 将dwr的ja ... -
Ajax的使用
2012-11-11 12:37 662ajax的使用步骤: 1.需要通过JavaScript创建XM ... -
JAVA数据库连接池
2012-11-09 00:02 693JAVA数据库连接池 基 ... -
事务传播特性和事务隔离级别
2012-11-08 23:48 561事务传播特性了解事务 ... -
ibatis
2012-11-08 23:45 712ibatis: ibatis中dao中的方法在使用sqlMap ... -
懒加载
2012-11-07 19:03 595get和load默认的时候都是立即检索,只有设置lazyloa ... -
HQL语句
2012-11-07 19:01 5781.实体查询 String hql = &qu ... -
类的加载和反射
2012-11-07 18:57 6371. 类的加载、连接和初始 a) 类的加载 i. 当程序主动使 ... -
部分重要SQL语句
2012-11-06 20:13 690TO_CHAR(date, 'fmt') 用于将 ...
相关推荐
网络爬虫wget强大的很网络爬虫wget网络爬虫wget网络爬虫wget网络爬虫wget网络爬虫wget网络爬虫wget
C++网络爬虫,使用wget命令做的,较简单,不涉及socket编程,但总体设计思路还是和基于socket的爬虫一样。如需基于socket爬虫,请到我的github下载:https://github.com/qq879343544/webSpider
wget 是一个从网络上自动下载文件的自由工具,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。
网络爬虫的源码,用于学习爬虫的源代码!基于wget实现!
这是个视频,需要的下载,并跑到我的CSDN博客留言 我可以给你更多视频 免费的。这只能一次传一个
Python 爬虫 本项目依赖Python的BeautifulSoup4第三方库,使用本项目需要先安装BeautifulSoup4。 步骤一 安装依赖库: 安装BeautifulSoup4: 1.Debain或Ubuntu可以通过系统软件包管理安装 $sudo apt-get install ...
所有文件都是使用wget从 GEO 下载的。 随后,使用dos2unix将它们转换为unix文件格式。 除了常见的文本处理工具之外没有其他依赖项: cat 、 grep 、 wc等... 我该如何设置? 克隆此存储库并更新您的路径或符号链接...
Solr 用于 8.5.1(或 7.3.1)版本wget http://archive.apache.org/dist/lucene/solr/8.5.1/solr-8.5.1.tgz 2. 阿帕奇纳奇 使用 Apache Nutch 版本 1.17(或 1.16)。 wget ...
Sleipnir 允许您指定 clojure 例程以与经过实战考验的网络爬虫(特别是 heritrix)一起使用。 莱宁根 跑步 首先,下载并启动一个 Heritrix 实例(需要爬行才能完成)。 wget ...
去年因项目需要,用python写了个爬虫。因爬到的数据需要存到生产环境的PG数据库。所以需要将脚本部署到CentOS服务器,并设置定时任务,自动启动脚本。 实施步骤如下: 1.安装pip(操作系统自带了python2.6可以直接用...
wget --no-check-certificate https://github.com/pypa/pip/archive/1.5.5.tar.gz tar zvxf 1.5.5.tar.gz cd pip-1.5.5/ python setup.py install pip install --upgrade pip 使用到的 pip 模块 pip install ...
Python爬虫+办公自动化+好玩DIY(完结)\章节06【好玩儿DIY】之【架设服务】
wget [https://dl.google.com/linux/direct/google-chrome-stable\_current\_x86\_64.rpm](https://dl.google.com/linux/direct/google-chrome-stable_current_x86_64.rpm) yum install ./google-chrome-stable\_...
20w个良性apk下载地址,直接wget url即可下载
1) 首先安装docker: # 用 yum 安装并启动 yum install docker -y && systemctl start docker 2) 下载自定义镜像需要用到的基础镜像: # 这里以centos7为例 ...wget https://www.python.org/ftp/py
1,安装依赖环境 yum -y install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gdbm-...wget https://www.python.org/ftp/python/3.6.1/Python-3.6.1.tgz 3,安装p
wget是一个绿色软件,可以获取网页html的,跟爬虫差不多,只是它不会自动爬,而是会从指定列表中获取网址,然后一个一个连接,并返回html。 而我这里不是卖wget,而是卖我写的ping.bat 功能: ping.bat每10分钟会...
telnet和wget 从种子站点开始逐层抓取 不重复抓取策略 网页抓取优先策略 网页重访策略★ Robots协议 其他应该注意的礼貌性问题 抓取提速策略(合作抓取策略) 第五节网页库 第六节下载...
import wget import re #模拟浏览器访问头 hdr = {'User-Agent': 'Mozilla/5.0'} #不加headers参数的话,有些网站会拒绝访问,这里我们模拟浏览器访问 req = request.Request("/wireshark/wireshark/- /wikis/...
网页抓取工具python 用于自动下载字体文件的python网络爬虫网站搜寻器,可使用BeautifulSoup和urllib下载所有可用的字体(当前为1100种字体)。 可以轻松地对其进行修改以爬网另一个网站。 脚步 : 遍历目录页面以...