linux-wget下载命令

补充一段:先说破解招,如果你不想自己的网站被爬虫抓去,那么就使用这个meta标签来告诉浏览器或者抵制wget:
The “robots” meta tag looks similar to any meta tag, and should be added between the HEAD section of your page(s) in question:
Here’s a list of the values you can specify within the “contents” attribute of this tag:

<meta name=”robots” content=”index, nofollow” />
Value             Description
(no)index     Determines whether crawler should index this page. Possible values: “noindex” or “index”
(no)follow    Determines whether crawler should follow links on this page and crawl them. Possible values: “nofollow” and “follow.”
———————–

只知道wget强大,上来一用,发现mac默认没有装这个命令,该命令对于前端工程师来说太有用了,无论是学习优秀网站的代码和层级结构还是自己写静态模板时导出浏览器可以直接打开的静态文件;

安装wget:

  1. 这里是wget各种版本,http://ftp.gnu.org/gnu/wget/ 可以下载最后一个最新的wget-latest.tar.gz到你的mac并且解压到usr/local/

[cce lang=”bash”]
$ gunzip wget-latest.tar.gz | tar -xv
$ cd wget-latest
$ ./configure
$ make
# make install
[/cce]

剩下的事情就是如何使用强大的wget 了

  • 最简单的是如何下载一个单页:

[cce lang=”bash”]wget http://place.your.url/here[/cce]

  • 从本页开始递归下载,但是页面若很深就很慢了,所以用-l number 参数来控制层级;

[cce lang=”bash”]
wget -r -l 3 http://place.your.url/here
[/cce]

  • 对于前端来说以上下载的东西都是信息,爬数据是不错的,写css就需要-m和-k命令了,-m是制作镜像站点的意思,和被下载站保持一样的层级目录,-k就更有用了,将所有绝对路径改为相对路径;这样离线后也能浏览到真实效果的页面;

[cce lang=”bash”]wget -k -l 1 -m http://www.wangxianfeng.com/[/cce]

目前用了三个参数就满足了获取数据和样式的功能;

还有更多的参数留着以后用到再查看;

-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

发表评论

电子邮件地址不会被公开。 必填项已用 * 标注