wget参数详解（包含例子）

官方文档：https://www.gnu.org/software/wget/manual/wget.html

快速使用： https://moneyslow.com/html/kevincox.ca/2022/12/21/wget-mirror/index.html

其他解释： https://moneyslow.com/html/fygul.blogspot.com/2020/05/wget.html

解决下载 403：

wget -U "Mozilla/5.0 (Macintosh; Intel Mac OS X 10_15_7)" https://moneyslow.com/a.jpg

解决中文文件名乱码：

可以将以下参填入 ~/.wgetrc 配置文件：

# 不要乱转义中文
--restrict-file-names=nocontrol
# 使用重定向后的文件名
--trust-server-names=on
--content-disposition=on

• 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

使用示例

• 用wget做站点镜像:
  wget -r -p -np -k http://dsec.pku.edu.cn/~usr_name/
  或者
  wget -m http://dsec.pku.edu.cn/~usr_name/
• 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 -c http://dsec.pku.edu.cn/BBC.avi -o down.log &
  或者从filelist读入要下载的文件列表
  wget -t 0 -w 31 -c -B ftp://dsec.pku.edu.cn/linuxsoft -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 -k https://sourceforge.net/projects/wvware/
  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://moneyslow.com:18023/
  ftp_proxy = http://moneyslow.com:18023/
• 下载并以不同的文件名保存
  wget -O wordpress.zip http://moneyslow.com/download.aspx?id=1080
• wget限速下载
  wget --limit-rate=300k http://moneyslow.com/testfile.zip
  当你执行wget的时候，它默认会占用全部可能的宽带下载。但是当你准备下载一个大文件，而你还需要下载其它文件时就有必要限速了。
• 使用wget断点续传
  wget -c http://moneyslow.com/testfile.zip
  使用wget -c重新启动下载中断的文件，对于我们下载大文件时突然由于网络等原因中断非常有帮助，我们可以继续接着下载而不是重新下载一个文件。需要继续中断的下载时可以使用-c参数。
• 下载整个http或者ftp站点。
  wget http://moneyslow.com/here
  这个命令可以将http://moneyslow.com/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://moneyslow.com/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://moneyslow.com/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。
• 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）
• 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://moneyslow.com/subdirectory
  表示下载http://moneyslow.com/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。
• 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。
• 伪装代理名称下载
  wget --user-agent="Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10.0.648.204 Safari/534.16" http://moneyslow.com/testfile.zip
  有些网站能通过根据判断代理名称不是浏览器而拒绝你的下载请求。不过你可以通过--user-agent参数伪装。
• 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。
• 测试下载链接
  当你打算进行定时下载，你应该在预定时间测试下载链接是否有效。我们可以增加--spider参数进行检查。
  wget --spider URL
  如果下载链接正确，将会显示:
  Spider mode enabled. Check if remote file exists.
  HTTP request sent, awaiting response… 200 OK
  Length: unspecified [text/html]
  Remote file exists and could contain further links,
  but recursion is disabled -- not retrieving.
  这保证了下载能在预定的时间进行，但当你给错了一个链接，将会显示如下错误:
  wget --spider url
  Spider mode enabled. Check if remote file exists.
  HTTP request sent, awaiting response… 404 Not Found
  Remote file does not exist -- broken link!!!
  你可以在以下几种情况下使用--spider参数： 定时下载之前进行检查 间隔检测网站是否可用 检查网站页面的死链接
• 增加重试次数
  wget --tries=40 URL
  如果网络有问题或下载一个大文件也有可能失败。wget默认重试20次连接下载文件。如果需要，你可以使用--tries增加重试次数。
• 下载多个文件
  wget -i filelist.txt
  首先，保存一份下载链接文件：
  cat > filelist.txt
  url1
  url2
  url3
  url4
  接着使用这个文件和参数-i下载。
• 镜像网站
  wget --mirror -p --convert-links -P ./LOCAL URL
  下载整个网站到本地。
  --miror开户镜像下载。
  -p下载所有为了html页面显示正常的文件。
  --convert-links下载后，转换成本地的链接。
  -P ./LOCAL保存所有文件和目录到本地指定目录。
• 过滤指定格式下载
  wget --reject=gif ur
  下载一个网站，但你不希望下载图片，可以使用这条命令。
• 把下载信息存入日志文件
  wget -o download.log URL
  不希望下载信息直接显示在终端而是在一个日志文件，可以使用。
• 限制总下载文件大小
  wget -Q5m -i filelist.txt
  当你想要下载的文件超过5M而退出下载，你可以使用。注意：这个参数对单个文件下载不起作用，只能递归下载时才有效。
• 限制总下载文件大小
  wget -Q5m -i filelist.txt
  当你想要下载的文件超过5M而退出下载，你可以使用。注意：这个参数对单个文件下载不起作用，只能递归下载时才有效。
• 下载指定格式文件
  wget -r -A.pdf url
  可以在以下情况使用该功能：
  下载一个网站的所有图片。
  下载一个网站的所有视频。
  下载一个网站的所有PDF文件。
• FTP下载
  wget ftp-url wget --ftp-user=USERNAME --ftp-password=PASSWORD url
  可以使用wget来完成ftp链接的下载。
  使用wget匿名ftp下载：
  wget ftp-url
  使用wget用户名和密码认证的ftp下载：
  wget --ftp-user=USERNAME --ftp-password=PASSWORD url