使用wget映象網站

大搜車-自娛發表於2015-01-05

利用wget命令列映象指定網站到指定目錄,下述命令是windows的(linux的自己類比):

wget -r -p -k -np --convert-links http://網站 -P d:\目錄

windows wget下載地址:http://downloads.sourceforge.net/gnuwin32/wget-1.11.4-1-setup.exe

 

wget各種選項分類列表
啟動
-V, --version 顯示wget的版本後退出
-h, --help 列印語法幫助
-b, --background 啟動後轉入後臺執行
-e, --execute=COMMAND 執行`.wgetrc'格式的命令,wgetrc格式參見/etc/wgetrc或~/.wgetrc

記錄和輸入檔案
-o, --output-file=FILE 把記錄寫到FILE檔案中
-a, --append-output=FILE 把記錄追加到FILE檔案中
-d, --debug 列印除錯輸出
-q, --quiet 安靜模式(沒有輸出)
-v, --verbose 冗長模式(這是預設設定)
-nv, --non-verbose 關掉冗長模式,但不是安靜模式
-i, --input-file=FILE 下載在FILE檔案中出現的URLs
-F, --force-html 把輸入檔案當作HTML格式檔案對待
-B, --base=URL 將URL作為在-F -i引數指定的檔案中出現的相對連結的字首
--sslcertfile=FILE 可選客戶端證書
--sslcertkey=KEYFILE 可選客戶端證書的KEYFILE
--egd-file=FILE 指定EGD socket的檔名

下載
--bind-address=ADDRESS 指定本地使用地址(主機名或IP,當本地有多個IP或名字時使用)
-t, --tries=NUMBER 設定最大嘗試連結次數(0 表示無限制).
-O --output-document=FILE 把文件寫到FILE檔案中
-nc, --no-clobber 不要覆蓋存在的檔案或使用.#字首
-c, --continue 接著下載沒下載完的檔案
--progress=TYPE 設定程式條標記
-N, --timestamping 不要重新下載檔案除非比本地檔案新
-S, --server-response 列印伺服器的回應
--spider 不下載任何東西
-T, --timeout=SECONDS 設定響應超時的秒數
-w, --wait=SECONDS 兩次嘗試之間間隔SECONDS秒
--waitretry=SECONDS 在重新連結之間等待1...SECONDS秒
--random-wait 在下載之間等待0...2*WAIT秒
-Y, --proxy=on/off 開啟或關閉代理
-Q, --quota=NUMBER 設定下載的容量限制
--limit-rate=RATE 限定下載輸率

目錄
-nd --no-directories 不建立目錄
-x, --force-directories 強制建立目錄
-nH, --no-host-directories 不建立主機目錄
-P, --directory-prefix=PREFIX 將檔案儲存到目錄 PREFIX/...
--cut-dirs=NUMBER 忽略 NUMBER層遠端目錄

HTTP 選項
--http-user=USER 設定HTTP使用者名稱為 USER.
--http-passwd=PASS 設定http密碼為 PASS.
-C, --cache=on/off 允許/不允許伺服器端的資料快取 (一般情況下允許).
-E, --html-extension 將所有text/html文件以.html副檔名儲存
--ignore-length 忽略 `Content-Length'頭域
--header=STRING 在headers中插入字串 STRING
--proxy-user=USER 設定代理的使用者名稱為 USER
--proxy-passwd=PASS 設定代理的密碼為 PASS
--referer=URL 在HTTP請求中包含 `Referer: URL'頭
-s, --save-headers 儲存HTTP頭到檔案
-U, --user-agent=AGENT 設定代理的名稱為 AGENT而不是 Wget/VERSION.
--no-http-keep-alive 關閉 HTTP活動連結 (永遠連結).
--cookies=off 不使用 cookies.
--load-cookies=FILE 在開始會話前從檔案 FILE中載入cookie
--save-cookies=FILE 在會話結束後將 cookies儲存到 FILE檔案中

FTP 選項
-nr, --dont-remove-listing 不移走 `.listing'檔案
-g, --glob=on/off 開啟或關閉檔名的 globbing機制
--passive-ftp 使用被動傳輸模式 (預設值).
--active-ftp 使用主動傳輸模式
--retr-symlinks 在遞迴的時候,將連結指向檔案(而不是目錄)

遞迴下載
-r, --recursive 遞迴下載--慎用!
-l, --level=NUMBER 最大遞迴深度 (inf 或 0 代表無窮).
--delete-after 在現在完畢後區域性刪除檔案
-k, --convert-links 轉換非相對連結為相對連結
-K, --backup-converted 在轉換檔案X之前,將之備份為 X.orig
-m, --mirror 等價於 -r -N -l inf -nr.
-p, --page-requisites 下載顯示HTML檔案的所有圖片

遞迴下載中的包含和不包含 (accept/reject)
-A, --accept=LIST 分號分隔的被接受副檔名的列表
-R, --reject=LIST 分號分隔的不被接受的副檔名的列表
-D, --domains=LIST 分號分隔的被接受域的列表
--exclude-domains=LIST 分號分隔的不被接受的域的列表
--follow-ftp 跟蹤HTML文件中的FTP連結
--follow-tags=LIST 分號分隔的被跟蹤的HTML標籤的列表
-G, --ignore-tags=LIST 分號分隔的被忽略的HTML標籤的列表
-H, --span-hosts 當遞迴時轉到外部主機
-L, --relative 僅僅跟蹤相對連結
-I, --include-directories=LIST 允許目錄的列表
-X, --exclude-directories=LIST 不被包含目錄的列表
-np, --no-parent 不要追溯到父目錄

問題
在遞迴下載的時候,遇到目錄中有中文的時候,wget建立的本地目錄名會用URL編碼規則處理。如"天網防火牆"會被存為"%CC%EC%CD%F8%B7%C0%BB%F0%C7%BD",這造成閱讀上的極大不方便。

 

 

相關文章