重新认识wget

Wget是平时经常会用到的一个工具,这个工具其实有着非常丰富的参数和配置,能够实现很强大的功能。比较常用的一个就是抓站或者为网站做镜像。

wget -np -x -r -k -E  http://www.baidu.com

上面这个命令就实现了对 www.baidu.com 这个网站页面的递归抓取,并且将页面中的链接保存为相对链接,这样能够方便我们在本地查看网站的页面。如果我们需要将一个网站建立一个对等的镜像站点,可以使用 -m 这个参数。

Wget在下载url中包含中文的路径时,会产生乱码的问题,按照参考资料中的方法,修改源码重新编译之后,这个问题就可以解决了。

下面是wget的一些介绍资料:

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。

1)支持断点下传功能(2)同时支持FTP和HTTP下载方式(3)支持代理服务器(4)设置方便简单;5)程序小,完全免费;

命令格式:

  wget [参数列表] [目标软件、网页的网址]

1、启动类参数

  这一类参数主要提供软件的一些基本信息;

  -V,--version 显示软件版本号然后退出;

  -h,--help显示软件帮助信息;

  -e,--execute=COMMAND 执行一个 “.wgetrc”命令

  以上每一个功能有长短两个参数,长短功能一样,都可以使用。需要注意的是,这里的-e参数是执行一个.wgettrc的命令,.wgettrc命令其实是一个参数列表,直接将软件需要的参数写在一起就可以了。

2、文件处理参数

  这类参数定义软件log文件的输出方式等;

  -o,--output-file=FILE 将软件输出信息保存到文件;

  -a,--append-output=FILE将软件输出信息追加到文件;

  -d,--debug显示输出信息;

  -q,--quiet 不显示输出信息;

  -i,--input-file=FILE 从文件中取得URL;

  以上参数对于攻击者比较有用,我们来看看具体使用;

     例1:下载192.168.1.168首页并且显示下载信息

          wget -d http://192.168.1.168

     例2:下载192.168.1.168首页并且不显示任何信息

          wget -q http://192.168.1.168

     例3:下载filelist.txt中所包含的链接的所有文件

          wget -i filelist.txt

          wget -np -m -l5  http://jpstone.bokee.com //不下载本站所链接的其它站点内容,5级目录结构

3、下载参数

  下载参数定义下载重复次数、保存文件名等;

  -t,--tries=NUMBER 是否下载次数(0表示无穷次)

  -O --output-document=FILE下载文件保存为别的文件名

  -nc, --no-clobber 不要覆盖已经存在的文件

  -N,--timestamping只下载比本地新的文件

  -T,--timeout=SECONDS 设置超时时间

  -Y,--proxy=on/off 关闭代理

      例:下载192.168.1.168的首页并将下载过程中的的输入信息保存到test.htm文件中

          wget -o test.htm http://192.168.1.168

4、目录参数

  目录参数主要设置下载文件保存目录与原来文件(服务器文件)的目录对应关系;

  -nd  --no-directories 不建立目录

  -x,--force-directories 强制建立目录

  可能现在我们对这里的目录还不是很了解,我们来看一个举例

       例:下载192.168.1.168的首页,并且保持网站结构

            wget -x http://192.168.1.168

5、HTTP参数

  HTTP参数设置一些与HTTP下载有关的属性;

  --http-user=USER设置HTTP用户

  --http-passwd=PASS设置HTTP密码

  --proxy-user=USER设置代理用户

  --proxy-passwd=PASS设置代理密码

  以上参数主要设置HTTP和代理的用户、密码;

6、递归参数设置

  在下载一个网站或者网站的一个目录的时候,我们需要知道的下载的层次,这些参数就可以设置;

  -r,--recursive 下载整个网站、目录(小心使用)

  -l,--level=NUMBER 下载层次

       例:下载整个网站

            wget -r http://192.168.1.168

7、递归允许与拒绝选项参数

  下载一个网站的时候,为了尽量快,有些文件可以选择下载,比如图片和声音,在这里可以设置;

  -A,--accept=LIST 可以接受的文件类型

  -R,--reject=LIST拒绝接受的文件类型

  -D,--domains=LIST可以接受的域名

  --exclude-domains=LIST拒绝的域名

  -L,--relative 下载关联链接

  --follow-ftp 只下载FTP链接

  -H,--span-hosts 可以下载外面的主机

  -I,--include-directories=LIST允许的目录

  -X,--exclude-directories=LIST 拒绝的目录

Wget各项参数列表

-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

参考资料:

1、Wget的强大

2、Wget中文乱码问题

3、GNU Wget

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏python学习之旅

Python笔记(十二):操作数据库

(一)      前言     本文说明如何连接Oracle、MySQL、sqlserver,以及执行sql、获取查询结果等。 (二)      DB-API ...

3809
来自专栏LanceToBigData

MySQL(十五)之数据备份中mysqldump详解

前言   其实前面一篇数据备份已经是非常的详细了,这里我想单独的讲解一下mysqldump,相信很多程序员都是用过这个命令的! 一、MySQL数据库的备份与还原...

3228
来自专栏CaiRui

Mysql-12-mysql的备份和恢复

1.数据库的备份   备份=拷贝加管理,防止数据的丢失同时记录用户的操作记录。其中最有效的备份是对IT架构进行备份。 原则: (1)数据库要定期备份,备份的周期...

2355
来自专栏云计算教程系列

如何在Ubuntu 14.04上使用memcached将NoSQL查询添加到MySQL

在许多优秀的文章中已经描述了使用memcached及其独立服务器实现与MySQL的一般概念,但是,作为独立服务器的memcached在MySQL客户端访问层之前...

982
来自专栏杨建荣的学习笔记

MySQL备份恢复第二篇(r5笔记第6天)

MySQL中的数据恢复功能相比Oracle来说还是要单薄一些,而Oracle中的数据恢复相对来说自动化的程度要高一些。不过Mysql的二进制日志提供的信息很丰富...

3595
来自专栏Linux运维学习之路

MySQL日志管理

MySQL日志管理 错误日志 配置方法: vim /etc/my.cnf [mysqld] log-error=/tmp/mysql.log 查看配置方式: s...

45012
来自专栏xingoo, 一个梦想做发明家的程序员

Head插件——学习Elasticsearch的锋刃利器!

在学习Elasticsearch的过程中,必不可少需要通过一些工具查看es的运行状态以及数据。如果都是通过rest请求,未免太过麻烦,而且也不够人性化。 此...

2926
来自专栏醉生梦死

MySQL日志管理工具 mysqlbinlog

 [root@db02 data]# mysqlbinlog mysql_bin.000001

6962
来自专栏数据和云

性能优化:调整 I/O 相关的等待

编辑手记:对Oracle数据库进行调整优化,基本上最终都可以归结到I/O调整上,因此,了解如何来优化Oracle数据库的I/O对于一个DBA来说就显得至关重要。...

2613
来自专栏Linux运维学习之路

MySQL体系结构及多实例

MySQL客户端和服务器端模型 MySQL是一个典型C/S,服务器端与客户端两部分组成 服务器端程序  mysqld mysql自带的客户端(mysql mys...

37212

扫码关注云+社区

领取腾讯云代金券