Shell脚本之;Web自动化

Posted 2020-10-30 小春熙子

1.网站下载：

wget是一个用于文件下载的命令行工具，可以下载网页和远程文件

例如：wget URL

wget https://zhidao.baidu.com/question/1818975931865141188.html

 

（1）可以指定从多个URL处进行下载：

wget URL1 URL2 URL3...

（2）可以使用wget下载FTP服务器中的文件

（3）wget命令参数说明：

-O：指定输出文件名，如果存在同名文件会先将该同名文件清空再将下载文件写入

-o：指定一个日志文件，不必将日志信息打印到stdout

wget https://zhidao.baidu.com/question/1818975931865141188.html -O myweb.html -o weblog   //运行该命令终端不会输出任何东西

 

（3）由于不稳定的Internet连接，下载可能会被迫中断，可以将重试次数做为命令参数，这样一旦中断下载，wget可以在放弃下载之前进行多次尝试

wget -t 5 URL

 

（4）下载限速：限定下载任务能够占用的最大带宽

wget --limit-rate 20k http://example.com/file.iso

 

 （5）指定最大下载配额：配额一旦用完，下载随之停止；避免无意中占用过多的磁盘空间(这里指定下载100M)

wget -Q  100m http://example.com/file1  http://example.com/file2

 

（6）断点续传：wget进行的下载在未完成之前被中断，可以利用选项-c从断点开始继续下载

wget -c URL

 

（7）用cURL下载：curl并不将下载数据写入文件，而是写入标准输出，所以我们必须用重定向操作符把输出重定向到指定文件中

curl https://zhidao.baidu.com/question/1818975931865141188.html > testweb.html

 

（8）复制或者镜像整个网站：wget有一个选项可以像爬虫一样以递归的方式收集网页上的所有URL链接，并逐个下载

wget --mirror http://192.168.23.135/

 或者使用如下方法镜像整个网站：

 wget -r -N -l 10 http://192.168.23.135/

-r：递归遍历网页

-N：允许对文件使用时间戳

-l：指定页面层级，wget只会向下遍历指定的页面级数

 

（9）访问需要认证的HTTP或FTP页面：

 --user 和 --password 提供认证信息

 wget --user username --password pass ftp://192.168.23.21/

 

（10）以格式化纯文本形式下载网页：用  lynx  命令的  -dump 选项将网页以ASCII字符的形式下载到文本文件中

lynx -dump http://www.runoob.com/linux/linux-shell-io-redirections.html > webpages_as_text.txt

这个命令会将所有的超链接(<a href="link">)作为文本输出到页脚列在References标题下