Hay decenas de aplicaciones para descargar archivos, la mayoría basadas
en interfaces Web y de escritorio, y para todos los sistemas
operativos. Sin embargo en Linux (y también hay versión para Windows)
existe el poderoso gestor de descargas de archivos Wget. Esta considerado como
el gestor de descargas (downloader) más potente que existe, soporta http, https
y ftp. En este artículo, a través de varios ejemplos aprenderás sus
usos y opciones más comunes.
Ejemplos básicos
wget http://ejemplo.com/programa.tar.gz
La manera más simple de usarlo, descarga el archivo indicado.
wget http://ejemplo.com/programa.tar.gz ftp://otrositio.com/descargas/video.mpg
Es posible indicar más de una descarga a la vez, incluso con distintos protocolos.
wget http://ejemplo.com/*.pdf
Otra manera de descargar varios archivos, con extensión similar.
(creamos una lista en archivos.txt que serán descargados)
http://ejemplo.com/programa.tar.gz
http://ejemplo.com/rpm/paquete.rpm
ftp://otrositio.com/descargas/distro.iso
(descargamos todos indicando el archivo)
wget -i archivos.txt
Si vas a descargar varios archivos, indicalos a través de una lista en un archivo.
wget -c http://ejemplo.com/distro.iso
wget -i -c archivos.txt
Si la descarga se interrumpió por algún motivo, continuamos la descarga desde donde se haya quedado con la opción c.
wget -o reporte.txt http://ejemplo.com/programa.tar.gz
proporciona un reporte (log) sobre la descarga.
wget -o /reporte.log –limit-rate=50k ftp://ftp.centos.org/download/centos5-dvd.iso
en descargas muy largas como el iso de alguna distro de Linux,
puedes limitar el ancho de banda de la descarga en específico, ya que
podría ser que la descarga se llevará todo el ancho de banda durante
varias horas.
wget –http-user=admin –http-password=secreto http://ejemplo.com/archivo.mp3
Si es un sitio donde se requiere de usuario/contraseña usa estas opciones.
wget -t 50 http://ejemplo.com/pelicula.mpg
Por defecto, Wget realiza 20 intentos de establecer la conexión e
iniciar la descarga, en sitios muy saturados es posible que ni con 20
intentos se logré, con la opción t (tries) aumenta a más intentos.
wget -t inf http://ejemplo.com/pelicula.mpg
¿Quieres que intente hasta que logré la conexión?, usa la opción ‘inf’ de intentos infinitos.
Ejemplos avanzados
wget www.linuxtotal.com.mx
Puedes descargar toda una página completa, wget no está limitado a
solo descargas de archivos. Sitios completos pueden descargarse también.
wget -p www.linuxtotal.com.mx
Lo mismo que lo anterior pero con esta opción p descarga además
todos los elementos extras necesarios de la página como hojas de
estilos, imágenes en línea, etc.
wget -r www.ejemplo.com -o reporte.log
wget -r -l10 www.ejemplo.com -o reporte.log
Con la opción r se descarga recursivamente hasta 5 niveles del sitio.
Con la opción l se aumenta el nivel de recursividad hasta el número
indicado, también es posible usar ‘inf’ como valor de recursividad
infinito.
wget –convert-links -r http://www.sitio.com/
(o también)
wget -k -r http://www.sitio.com/
Por defecto, los enlaces dentro del sitio apuntan a la dirección del
dominio completo. Si deseas descargar el sitio recursivamente y después
estudiarlo fuera de línea (off line) usa la opción convert-links que
los convertirá en enlaces locales, apuntando a las páginas dentro del
sitio descargado.
wget -r -l3 -P/tmp/sitio ftp://www.unsitio.com/
Por defecto, el sitio a descargar se guarda en el mismo directorio
donde estés ejecutando wget, con la opción P puedes indicar un
directorio distinto.
wget –mirror http://www.linuxtotal.com.mx/
(o también)
wget -m http://www.linuxtotal.com.mx/
De este modo obtienes una copia (un espejo) completa del sitio. La
opción –mirror es igual a usar las opciones -r -l inf -N que indica
recursividad a nivel infinito y obtienendo la marca de tiempo original
de cada archivo descargado (opción -N).
wget –mirror –convert-links –html-extension http://www.linuxtotal.com.mx
(o tambien)
wget -m -k -E http://www.linuxtotal.com.mx
Si descargas el sitio completo para verlo fuera de línea (off line)
es posible que varios archivos descargados no se abran, debido a
extensiones como .cgi, .asp o .php, es entonces posible indicarle a
wget con la opción E o –html-extension que convierta todos los archivos
a extensión .html.
wget -H -r -l3 -k -E -p http://miblog.sitiodeblogs.com
la opción H (span hosts) expande la recursividad a los sitios desde
donde se enlace el original. Este comando descargará el sitio con una
recursividad de 3 niveles (-r -l3), conviertiendo los enlaces a locales
para examinarlo off line (-k), convierte todo a extensiones .html (-E),
descarga completamente imágenes y demás elementos de cada página (-p) y
además descarga la página externa de los enlaces que apunten fuera del
sitio (-H).
Este tipo de descargas, dependiendo del sitio, puede llenar todo un disco duro!!!!, asi que úsalo a discresión.
Un ejemplo extremo de la potencia de wget
El siguiente ejemplo viene muy bien detallado en este sitio, es una
línea que busca archivos de música mp3 desde una lista de sitios que
previamente hayas definido, recuerda, un renglón por cada sitio.
wget -r -l1 -H -t1 -nd -N -np -A.mp3 -erobots=off -i sitiosmp3.txt
Veámoslo por partes:
[-r -l1] recursivo en solo un nivel, solo buscará un nivel en cada subdirectorio que encuentre por sitio.
[-H] si dentro del sitio encuentra un enlace externo, que lo siga, ya que posiblemente lleve a otro sitio de descarga de múscia.
[-t1] -t es igual –tries, solo hará un intento de conexión, si no lo logra continua al siguiente sitio.
[-nd] indica no crear subdirectorios para cada archivo descargado, es decir, todo nos lo deja en el mismo lugar.
[-N] conserva la fecha y hora (timestamp) del archivo original que se
descargue, de otro modo pondría la fecha y hora de nuestro sistema.
[-np] no parent, no seguir enlaces a directorios superiores, solo del actual y uno hacía abajo, por -r -l1
[-A.mp3] -A indica a wget el tipo de archivo a descargar solamente, en este caso solo “mp3″.
[-erobots=off] esto evita que wget ignore los archivos ‘robots.txt’ que
pudiera haber, ya que puede ser que dentro de estos archivos haya
indicaciones de que subdirectorios los buscadores no deben hurgar
(incluyendo a wget). Con esto lo evitamos y buscamos en todo el nivel.
[-i sitiosmp3.txt] el archivo con la lista (hecha a tu gusto, con unos
cuantos o decenas de sitios de música) de los sitios desde donde buscar
“mp3″ y descargarlos.
Si ejecutas este comando de manera diaria o a través de un cron
entonces se descargará la música, y gracias a la marca de tiempo solo
descargará los que sean más nuevos que el original.
¿Te resultó interesante? Compártelo ...
Un magnífico tutorial, gracias al autor y +5.
Cómo hacerlo desde Cuba, me responde ¨Autentic required¨
por favor como puedo exluir un todos los ficheros que sean .zip
Me gustaría tener un ejemplo para hacer un mirror de revolico y otro para poder actualizar dicho mirror