生物信息数据处理

首页 >> 学习 >> Linux常用命令 >> wget

wget命令

本节重要性：★★★★☆ 本节难度：★★★★★

wget是一个从网络上自动下载文件的自由工具，支持HTTP，HTTPS和FTP协议，可以使用HTTP代理。wget可以断点续传，功能强大，且使用也不复杂，是非常好用的下载工具。

命令用途

从网络下载文件

命令格式

wget [option] URL

常用选项

* 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

常见用法

下面的例子是使用NCBI的efetch地址下载一个Fasta格式的蛋白质序列，并保存到文件at_lec1_protein.fa中：

[peter@ibi98 wget]$ wget -O at_lec1_protein.fa "https://eutils.ncbi.nlm.nih.gov/
entrez/eutils/efetch.fcgi?db=protein&id=AAL12005.1&rettype=fasta"
--2017-03-29 14:22:50--  https://eutils.ncbi.nlm.nih.gov/entrez/eutils/efetch.fcgi?
db=protein&id=AAL12005.1&rettype=fasta
正在连接 202.202.43.15:7777... 已连接。
已发出 Proxy 请求，正在等待回应... 200 OK
长度：未指定 [text/plain]
正在保存至: “at_lec1_protein.fa”

    [ <=>                                        ] 422         --.-K/s   in 0s

2017-03-29 14:22:53 (14.9 MB/s) - “at_lec1_protein.fa” 已保存 [422]

[peter@ibi98 wget]$ ll
总用量 4
-rw-rw-r-- 1 peter peter 422  3月 29 14:22 at_lec1_protein.fa
[peter@ibi98 wget]$ cat at_lec1_protein.fa
>AAL12005.1 LEAFY COTYLEDON 2 [Arabidopsis thaliana]
MDNFLPFPSSNANSVQELSMDPNNNRSHFTTVPTYDHHQAQPHHFLPPFSYPVEQMAAVMNPQPVYLSEC
YPQIPVTQTGSEFGSLVGNPCLWQERGGFLDPRMTKMARINRKNAMMRSRNNSSPNSSPSELVDSKRQLM
MLNLKNNVQISDKKDSYQQSTFDNKKLRVLCEKELKNSDVGSLGRIVLPKRDAEANLPKLSDKEGIVVQM
RDVFSMQSWSFKYKFWSNNKSRMYVLENTGEFVKQNGAEIGDFLTIYEDESKNLYFAMNGNSGKQNEGRE
NESRERNHYEEAMLDYIPRDEEEASIAMLIGNLNDHYPIPNDLMDLTTDLQHHQATSSMTPEDHAYVGSS
DDQVSFNDFEWW

下载整个目录：

[peter@ibi98 wget]$ ls
at_lec1_protein.fa
[peter@ibi98 wget]$ wget -q -r -c -np -nd -P ncrna "ftp://ftp.ensemblgenomes.org/
pub/release-32/bacteria//fasta/bacteria_1_collection/
escherichia_coli_o157_h7_str_1044/ncrna/"
[peter@ibi98 wget]$ ls
at_lec1_protein.fa  ncrna
[peter@ibi98 wget]$ ls ncrna/
CHECKSUMS  Escherichia_coli_o157_h7_str_1044.ASM19266v2.ncrna.fa.gz  index.html  README

其中的选项-q是下载时不提示，-r是递归下载整个目录，-c是断点续传，-np是不搜索上一层目录，-nd是不创建目录结构，-P ncrna是将下载的文件放到目录ncrna中。