Wget 源码分析
Table of Contents
- 1. 简介
- 2. 使用
- 2.1. 命令格式：
- 2.2. 命令参数：
- 2.3. 使用实例：
- 2.3.1. 实例 1：使用 wget 下载单个文件
- 2.3.2. 实例 2：使用 wget -O 下载并以不同的文件名保存
- 2.3.3. 实例 3：使用 wget –limit -rate 限速下载
- 2.3.4. 实例 4：使用 wget -c 断点续传
- 2.3.5. 实例 5：使用 wget -b 后台下载
- 2.3.6. 实例 6：伪装代理名称下载
- 2.3.7. 实例 7：使用 wget –spider 测试下载链接
- 2.3.8. 实例 8：使用 wget –tries 增加重试次数
- 2.3.9. 实例 9：使用 wget -i 下载多个文件
- 2.3.10. 实例 10：使用 wget –mirror 镜像网站
- 2.3.11. 实例 11：使用 wget –reject 过滤指定格式下载
- 2.3.12. 实例 12：使用 wget -o 把下载信息存入日志文件
- 2.3.13. 实例 13：使用 wget -Q 限制总下载文件大小
- 2.3.14. 实例 14：使用 wget -r -A 下载指定格式文件
- 2.3.15. 实例 15：使用 wget FTP 下载
- 3. 源码分析
1 简介1
Wget2是一个在网络上进行下载的简单而强大的自由软件，其本身也是 GNU 计划的一部分。它的名字是“World Wide Web”和“Get”的结合，同时也隐含了软件的主要功能。目前它支持通过 HTTP、HTTPS，以及 FTP 这三个最常见的 TCP/IP 协议协议下载。
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。
由于没有交互式界面，在类 Unix 平台上 Wget 可在后台运行，截获并忽略 HANGUP 信号，因此在用户退出登录以后，仍可继续运行。通常，Wget 用于成批量地下载 Internet 网站上的文件，或制作远程网站的镜像。
1.1 主要特点
支持递归下载。
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。
支持代理服务器
对安全强度很高的系统而言，一般不会将自己的系统直接暴露在互联网上，所以，支持代理是下载软件必须有的功能。
1.2 缺点
- 支持的协议较少，特别是 cURL 相比。流行的流媒体协议 mms 和 rtsp 没有得到支持，还有广泛使用各种的 P2P 协议也没有涉及。
- 支持协议过老。目前 HTTP 还是使用 1.0 版本，而 HTML 中通过 JavaScript 和 CSS 引用的文件不能下载。
- 灵活性不强，扩展性不高。面对复杂的镜像站会出现问题。
- 命令过于复杂，可选的设置项有上百个。
- 安全问题。
2 使用
2.1 命令格式：
wget [options] [URL]
2.2 命令参数：
2.2.1 启动参数：
- -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
2.2.2 记录和输入文件参数：
- -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
2.2.3 下载参数：
--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
2.2.4 目录参数：
- -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
2.2.5 HTTP 选项参数：
--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
2.2.6 FTP 选项参数：
- -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)
2.2.7 递归下载参数：
- -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
2.2.8 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 - wget -S
--spiderurl 不下载只显示过程
2.3 使用实例：
2.3.1 实例 1：使用 wget 下载单个文件
以下的例子是从网络下载一个文件并保存在当前目录，在下载的过程中会显示进度条，包含（下载完成百分比，已经下载的字节，当前下载速度，剩余下载时间）。
wget http://www.minjieren.com/wordpress-3.1-zh_CN.zip
2.3.2 实例 2：使用 wget -O 下载并以不同的文件名保存
wget 默认会以最后一个符合”/” 的后面的字符来命令，对于动态链接的下载通常文件名会不正确。下面的例子会下载一个文件并以名称 download.aspx?id=1080 保存
wget http://www.minjieren.com/download?id=1
即使下载的文件是 zip 格式，它仍然以 download.php?id=1080 命令。为了解决这个问题，我们可以使用参数 - O 来指定一个文件名：
wget -O wordpress.zip http://www.minjieren.com/download.aspx?id=1080
2.3.3 实例 3：使用 wget –limit -rate 限速下载
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。
wget --limit-rate=300k http://www.minjieren.com/wordpress-3.1-zh_CN.zip
2.3.4 实例 4：使用 wget -c 断点续传
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。
wget -c http://www.minjieren.com/wordpress-3.1-zh_CN.zip
2.3.5 实例 5：使用 wget -b 后台下载
对于下载非常大的文件的时候，我们可以使用参数 - b 进行后台下载。
wget -b http://www.minjieren.com/wordpress-3.1-zh_CN.zip
你可以使用以下命令来察看下载进度：tail -f wget-log
2.3.6 实例 6：伪装代理名称下载
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。
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://www.minjieren.com/wordpress-3.1-zh_CN.zip
2.3.7 实例 7：使用 wget –spider 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
2.3.8 实例 8：使用 wget –tries 增加重试次数
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。
wget --tries=40 URL
2.3.9 实例 9：使用 wget -i 下载多个文件
下载文件中所有的连接：
wget -i filelist.txt
2.3.10 实例 10：使用 wget –mirror 镜像网站
下载整个网站到本地。
wget --mirror -p --convert-links -P ./LOCAL URL
说明：
- –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
2.3.11 实例 11：使用 wget –reject 过滤指定格式下载
下载一个网站，但你不希望下载图片，可以使用以下命令。
wget --reject=gif ur
2.3.12 实例 12：使用 wget -o 把下载信息存入日志文件
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
wget -o download.log URL
2.3.13 实例 13：使用 wget -Q 限制总下载文件大小
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。
wget -Q5m -i filelist.txt
2.3.14 实例 14：使用 wget -r -A 下载指定格式文件
下载一个网站的所有 PDF 文件:
wget -r -A.pdf url
2.3.15 实例 15：使用 wget FTP 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