Wget是在Linux下开发的开源软件，作者是Hrvoje Niksic，后来被移植到各个平台上。
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。
- 支持断点下传功能
- 同时支持FTP和HTTP下载方式
- 支持代理服务器
- 设置方便简单
- 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
| 参数 | 备注 |
|---|---|
| -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 |
| –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 |
如果需要使用代理服务器，需要修改 /etc/wgetrc 配置文件，参考第四条资料。
参考资料：
1、Wget的强大
3、GNU Wget
用心体验、认真记录，欢迎关注大江小浪的技术人生！