sjero.net Git - wget/blob - doc/wget.info-2

   1 This is Info file wget.info, produced by Makeinfo version 1.68 from the
   2 input file ./wget.texi.
   3
   4 INFO-DIR-SECTION Net Utilities
   5 INFO-DIR-SECTION World Wide Web
   6 START-INFO-DIR-ENTRY
   7 * Wget: (wget).         The non-interactive network downloader.
   8 END-INFO-DIR-ENTRY
   9
  10    This file documents the the GNU Wget utility for downloading network
  11 data.
  12
  13    Copyright (C) 1996, 1997, 1998, 2000 Free Software Foundation, Inc.
  14
  15    Permission is granted to make and distribute verbatim copies of this
  16 manual provided the copyright notice and this permission notice are
  17 preserved on all copies.
  18
  19    Permission is granted to copy and distribute modified versions of
  20 this manual under the conditions for verbatim copying, provided also
  21 that the sections entitled "Copying" and "GNU General Public License"
  22 are included exactly as in the original, and provided that the entire
  23 resulting derived work is distributed under the terms of a permission
  24 notice identical to this one.
  25
  26 \1f
  27 File: wget.info,  Node: Directory-Based Limits,  Next: FTP Links,  Prev: Types of Files,  Up: Following Links
  28
  29 Directory-Based Limits
  30 ======================
  31
  32    Regardless of other link-following facilities, it is often useful to
  33 place the restriction of what files to retrieve based on the directories
  34 those files are placed in.  There can be many reasons for this--the
  35 home pages may be organized in a reasonable directory structure; or some
  36 directories may contain useless information, e.g. `/cgi-bin' or `/dev'
  37 directories.
  38
  39    Wget offers three different options to deal with this requirement.
  40 Each option description lists a short name, a long name, and the
  41 equivalent command in `.wgetrc'.
  42
  43 `-I LIST'
  44 `--include LIST'
  45 `include_directories = LIST'
  46      `-I' option accepts a comma-separated list of directories included
  47      in the retrieval.  Any other directories will simply be ignored.
  48      The directories are absolute paths.
  49
  50      So, if you wish to download from `http://host/people/bozo/'
  51      following only links to bozo's colleagues in the `/people'
  52      directory and the bogus scripts in `/cgi-bin', you can specify:
  53
  54           wget -I /people,/cgi-bin http://host/people/bozo/
  55
  56 `-X LIST'
  57 `--exclude LIST'
  58 `exclude_directories = LIST'
  59      `-X' option is exactly the reverse of `-I'--this is a list of
  60      directories *excluded* from the download.  E.g. if you do not want
  61      Wget to download things from `/cgi-bin' directory, specify `-X
  62      /cgi-bin' on the command line.
  63
  64      The same as with `-A'/`-R', these two options can be combined to
  65      get a better fine-tuning of downloading subdirectories.  E.g. if
  66      you want to load all the files from `/pub' hierarchy except for
  67      `/pub/worthless', specify `-I/pub -X/pub/worthless'.
  68
  69 `-np'
  70 `--no-parent'
  71 `no_parent = on'
  72      The simplest, and often very useful way of limiting directories is
  73      disallowing retrieval of the links that refer to the hierarchy
  74      "above" than the beginning directory, i.e. disallowing ascent to
  75      the parent directory/directories.
  76
  77      The `--no-parent' option (short `-np') is useful in this case.
  78      Using it guarantees that you will never leave the existing
  79      hierarchy.  Supposing you issue Wget with:
  80
  81           wget -r --no-parent http://somehost/~luzer/my-archive/
  82
  83      You may rest assured that none of the references to
  84      `/~his-girls-homepage/' or `/~luzer/all-my-mpegs/' will be
  85      followed.  Only the archive you are interested in will be
  86      downloaded.  Essentially, `--no-parent' is similar to
  87      `-I/~luzer/my-archive', only it handles redirections in a more
  88      intelligent fashion.
  89
  90 \1f
  91 File: wget.info,  Node: FTP Links,  Prev: Directory-Based Limits,  Up: Following Links
  92
  93 Following FTP Links
  94 ===================
  95
  96    The rules for FTP are somewhat specific, as it is necessary for them
  97 to be.  FTP links in HTML documents are often included for purposes of
  98 reference, and it is often inconvenient to download them by default.
  99
 100    To have FTP links followed from HTML documents, you need to specify
 101 the `--follow-ftp' option.  Having done that, FTP links will span hosts
 102 regardless of `-H' setting.  This is logical, as FTP links rarely point
 103 to the same host where the HTTP server resides.  For similar reasons,
 104 the `-L' options has no effect on such downloads.  On the other hand,
 105 domain acceptance (`-D') and suffix rules (`-A' and `-R') apply
 106 normally.
 107
 108    Also note that followed links to FTP directories will not be
 109 retrieved recursively further.
 110
 111 \1f
 112 File: wget.info,  Node: Time-Stamping,  Next: Startup File,  Prev: Following Links,  Up: Top
 113
 114 Time-Stamping
 115 *************
 116
 117    One of the most important aspects of mirroring information from the
 118 Internet is updating your archives.
 119
 120    Downloading the whole archive again and again, just to replace a few
 121 changed files is expensive, both in terms of wasted bandwidth and money,
 122 and the time to do the update.  This is why all the mirroring tools
 123 offer the option of incremental updating.
 124
 125    Such an updating mechanism means that the remote server is scanned in
 126 search of "new" files.  Only those new files will be downloaded in the
 127 place of the old ones.
 128
 129    A file is considered new if one of these two conditions are met:
 130
 131   1. A file of that name does not already exist locally.
 132
 133   2. A file of that name does exist, but the remote file was modified
 134      more recently than the local file.
 135
 136    To implement this, the program needs to be aware of the time of last
 137 modification of both remote and local files.  Such information are
 138 called the "time-stamps".
 139
 140    The time-stamping in GNU Wget is turned on using `--timestamping'
 141 (`-N') option, or through `timestamping = on' directive in `.wgetrc'.
 142 With this option, for each file it intends to download, Wget will check
 143 whether a local file of the same name exists.  If it does, and the
 144 remote file is older, Wget will not download it.
 145
 146    If the local file does not exist, or the sizes of the files do not
 147 match, Wget will download the remote file no matter what the time-stamps
 148 say.
 149
 150 * Menu:
 151
 152 * Time-Stamping Usage::
 153 * HTTP Time-Stamping Internals::
 154 * FTP Time-Stamping Internals::
 155
 156 \1f
 157 File: wget.info,  Node: Time-Stamping Usage,  Next: HTTP Time-Stamping Internals,  Prev: Time-Stamping,  Up: Time-Stamping
 158
 159 Time-Stamping Usage
 160 ===================
 161
 162    The usage of time-stamping is simple.  Say you would like to
 163 download a file so that it keeps its date of modification.
 164
 165      wget -S http://www.gnu.ai.mit.edu/
 166
 167    A simple `ls -l' shows that the time stamp on the local file equals
 168 the state of the `Last-Modified' header, as returned by the server.  As
 169 you can see, the time-stamping info is preserved locally, even without
 170 `-N'.
 171
 172    Several days later, you would like Wget to check if the remote file
 173 has changed, and download it if it has.
 174
 175      wget -N http://www.gnu.ai.mit.edu/
 176
 177    Wget will ask the server for the last-modified date.  If the local
 178 file is newer, the remote file will not be re-fetched.  However, if the
 179 remote file is more recent, Wget will proceed fetching it normally.
 180
 181    The same goes for FTP.  For example:
 182
 183      wget ftp://ftp.ifi.uio.no/pub/emacs/gnus/*
 184
 185    `ls' will show that the timestamps are set according to the state on
 186 the remote server.  Reissuing the command with `-N' will make Wget
 187 re-fetch *only* the files that have been modified.
 188
 189    In both HTTP and FTP retrieval Wget will time-stamp the local file
 190 correctly (with or without `-N') if it gets the stamps, i.e. gets the
 191 directory listing for FTP or the `Last-Modified' header for HTTP.
 192
 193    If you wished to mirror the GNU archive every week, you would use the
 194 following command every week:
 195
 196      wget --timestamping -r ftp://prep.ai.mit.edu/pub/gnu/
 197
 198 \1f
 199 File: wget.info,  Node: HTTP Time-Stamping Internals,  Next: FTP Time-Stamping Internals,  Prev: Time-Stamping Usage,  Up: Time-Stamping
 200
 201 HTTP Time-Stamping Internals
 202 ============================
 203
 204    Time-stamping in HTTP is implemented by checking of the
 205 `Last-Modified' header.  If you wish to retrieve the file `foo.html'
 206 through HTTP, Wget will check whether `foo.html' exists locally.  If it
 207 doesn't, `foo.html' will be retrieved unconditionally.
 208
 209    If the file does exist locally, Wget will first check its local
 210 time-stamp (similar to the way `ls -l' checks it), and then send a
 211 `HEAD' request to the remote server, demanding the information on the
 212 remote file.
 213
 214    The `Last-Modified' header is examined to find which file was
 215 modified more recently (which makes it "newer").  If the remote file is
 216 newer, it will be downloaded; if it is older, Wget will give up.(1)
 217
 218    When `--backup-converted' (`-K') is specified in conjunction with
 219 `-N', server file `X' is compared to local file `X.orig', if extant,
 220 rather than being compared to local file `X', which will always differ
 221 if it's been converted by `--convert-links' (`-k').
 222
 223    Arguably, HTTP time-stamping should be implemented using the
 224 `If-Modified-Since' request.
 225
 226    ---------- Footnotes ----------
 227
 228    (1) As an additional check, Wget will look at the `Content-Length'
 229 header, and compare the sizes; if they are not the same, the remote
 230 file will be downloaded no matter what the time-stamp says.
 231
 232 \1f
 233 File: wget.info,  Node: FTP Time-Stamping Internals,  Prev: HTTP Time-Stamping Internals,  Up: Time-Stamping
 234
 235 FTP Time-Stamping Internals
 236 ===========================
 237
 238    In theory, FTP time-stamping works much the same as HTTP, only FTP
 239 has no headers--time-stamps must be received from the directory
 240 listings.
 241
 242    For each directory files must be retrieved from, Wget will use the
 243 `LIST' command to get the listing.  It will try to analyze the listing,
 244 assuming that it is a Unix `ls -l' listing, and extract the
 245 time-stamps.  The rest is exactly the same as for HTTP.
 246
 247    Assumption that every directory listing is a Unix-style listing may
 248 sound extremely constraining, but in practice it is not, as many
 249 non-Unix FTP servers use the Unixoid listing format because most (all?)
 250 of the clients understand it.  Bear in mind that RFC959 defines no
 251 standard way to get a file list, let alone the time-stamps.  We can
 252 only hope that a future standard will define this.
 253
 254    Another non-standard solution includes the use of `MDTM' command
 255 that is supported by some FTP servers (including the popular
 256 `wu-ftpd'), which returns the exact time of the specified file.  Wget
 257 may support this command in the future.
 258
 259 \1f
 260 File: wget.info,  Node: Startup File,  Next: Examples,  Prev: Time-Stamping,  Up: Top
 261
 262 Startup File
 263 ************
 264
 265    Once you know how to change default settings of Wget through command
 266 line arguments, you may wish to make some of those settings permanent.
 267 You can do that in a convenient way by creating the Wget startup
 268 file--`.wgetrc'.
 269
 270    Besides `.wgetrc' is the "main" initialization file, it is
 271 convenient to have a special facility for storing passwords.  Thus Wget
 272 reads and interprets the contents of `$HOME/.netrc', if it finds it.
 273 You can find `.netrc' format in your system manuals.
 274
 275    Wget reads `.wgetrc' upon startup, recognizing a limited set of
 276 commands.
 277
 278 * Menu:
 279
 280 * Wgetrc Location::   Location of various wgetrc files.
 281 * Wgetrc Syntax::     Syntax of wgetrc.
 282 * Wgetrc Commands::   List of available commands.
 283 * Sample Wgetrc::     A wgetrc example.
 284
 285 \1f
 286 File: wget.info,  Node: Wgetrc Location,  Next: Wgetrc Syntax,  Prev: Startup File,  Up: Startup File
 287
 288 Wgetrc Location
 289 ===============
 290
 291    When initializing, Wget will look for a "global" startup file,
 292 `/usr/local/etc/wgetrc' by default (or some prefix other than
 293 `/usr/local', if Wget was not installed there) and read commands from
 294 there, if it exists.
 295
 296    Then it will look for the user's file.  If the environmental variable
 297 `WGETRC' is set, Wget will try to load that file.  Failing that, no
 298 further attempts will be made.
 299
 300    If `WGETRC' is not set, Wget will try to load `$HOME/.wgetrc'.
 301
 302    The fact that user's settings are loaded after the system-wide ones
 303 means that in case of collision user's wgetrc *overrides* the
 304 system-wide wgetrc (in `/usr/local/etc/wgetrc' by default).  Fascist
 305 admins, away!
 306
 307 \1f
 308 File: wget.info,  Node: Wgetrc Syntax,  Next: Wgetrc Commands,  Prev: Wgetrc Location,  Up: Startup File
 309
 310 Wgetrc Syntax
 311 =============
 312
 313    The syntax of a wgetrc command is simple:
 314
 315      variable = value
 316
 317    The "variable" will also be called "command".  Valid "values" are
 318 different for different commands.
 319
 320    The commands are case-insensitive and underscore-insensitive.  Thus
 321 `DIr__PrefiX' is the same as `dirprefix'.  Empty lines, lines beginning
 322 with `#' and lines containing white-space only are discarded.
 323
 324    Commands that expect a comma-separated list will clear the list on an
 325 empty command.  So, if you wish to reset the rejection list specified in
 326 global `wgetrc', you can do it with:
 327
 328      reject =
 329
 330 \1f
 331 File: wget.info,  Node: Wgetrc Commands,  Next: Sample Wgetrc,  Prev: Wgetrc Syntax,  Up: Startup File
 332
 333 Wgetrc Commands
 334 ===============
 335
 336    The complete set of commands is listed below.  Legal values are
 337 listed after the `='.  Simple Boolean values can be set or unset using
 338 `on' and `off' or `1' and `0'.  A fancier kind of Boolean allowed in
 339 some cases is the "lockable" Boolean, which may be set to `on', `off',
 340 `always', or `never'.  If an option is set to `always' or `never', that
 341 value will be locked in for the duration of the wget invocation -
 342 commandline options will not override.
 343
 344    Some commands take pseudo-arbitrary values.  ADDRESS values can be
 345 hostnames or dotted-quad IP addresses.  N can be any positive integer,
 346 or `inf' for infinity, where appropriate.  STRING values can be any
 347 non-empty string.
 348
 349    Most of these commands have commandline equivalents (*Note
 350 Invoking::), though some of the more obscure or rarely used ones do not.
 351
 352 accept/reject = STRING
 353      Same as `-A'/`-R' (*Note Types of Files::).
 354
 355 add_hostdir = on/off
 356      Enable/disable host-prefixed file names.  `-nH' disables it.
 357
 358 continue = on/off
 359      Enable/disable continuation of the retrieval - the same as `-c'
 360      (which enables it).
 361
 362 background = on/off
 363      Enable/disable going to background - the same as `-b' (which
 364      enables it).
 365
 366 backup_converted = on/off
 367      Enable/disable saving pre-converted files with the suffix `.orig'
 368      - the same as `-K' (which enables it).
 369
 370 base = STRING
 371      Consider relative URLs in URL input files forced to be interpreted
 372      as HTML as being relative to STRING - the same as `-B'.
 373
 374 bind_address = ADDRESS
 375      Bind to ADDRESS, like the `--bind-address' option.
 376
 377 cache = on/off
 378      When set to off, disallow server-caching.  See the `-C' option.
 379
 380 convert links = on/off
 381      Convert non-relative links locally.  The same as `-k'.
 382
 383 cut_dirs = N
 384      Ignore N remote directory components.
 385
 386 debug = on/off
 387      Debug mode, same as `-d'.
 388
 389 delete_after = on/off
 390      Delete after download - the same as `--delete-after'.
 391
 392 dir_prefix = STRING
 393      Top of directory tree - the same as `-P'.
 394
 395 dirstruct = on/off
 396      Turning dirstruct on or off - the same as `-x' or `-nd',
 397      respectively.
 398
 399 domains = STRING
 400      Same as `-D' (*Note Domain Acceptance::).
 401
 402 dot_bytes = N
 403      Specify the number of bytes "contained" in a dot, as seen
 404      throughout the retrieval (1024 by default).  You can postfix the
 405      value with `k' or `m', representing kilobytes and megabytes,
 406      respectively.  With dot settings you can tailor the dot retrieval
 407      to suit your needs, or you can use the predefined "styles" (*Note
 408      Download Options::).
 409
 410 dots_in_line = N
 411      Specify the number of dots that will be printed in each line
 412      throughout the retrieval (50 by default).
 413
 414 dot_spacing = N
 415      Specify the number of dots in a single cluster (10 by default).
 416
 417 dot_style = STRING
 418      Specify the dot retrieval "style", as with `--dot-style'.
 419
 420 exclude_directories = STRING
 421      Specify a comma-separated list of directories you wish to exclude
 422      from download - the same as `-X' (*Note Directory-Based Limits::).
 423
 424 exclude_domains = STRING
 425      Same as `--exclude-domains' (*Note Domain Acceptance::).
 426
 427 follow_ftp = on/off
 428      Follow FTP links from HTML documents - the same as `-f'.
 429
 430 follow_tags = STRING
 431      Only follow certain HTML tags when doing a recursive retrieval,
 432      just like `--follow-tags'.
 433
 434 force_html = on/off
 435      If set to on, force the input filename to be regarded as an HTML
 436      document - the same as `-F'.
 437
 438 ftp_proxy = STRING
 439      Use STRING as FTP proxy, instead of the one specified in
 440      environment.
 441
 442 glob = on/off
 443      Turn globbing on/off - the same as `-g'.
 444
 445 header = STRING
 446      Define an additional header, like `--header'.
 447
 448 html_extension = on/off
 449      Add a `.html' extension to `text/html' files without it, like `-E'.
 450
 451 http_passwd = STRING
 452      Set HTTP password.
 453
 454 http_proxy = STRING
 455      Use STRING as HTTP proxy, instead of the one specified in
 456      environment.
 457
 458 http_user = STRING
 459      Set HTTP user to STRING.
 460
 461 ignore_length = on/off
 462      When set to on, ignore `Content-Length' header; the same as
 463      `--ignore-length'.
 464
 465 ignore_tags = STRING
 466      Ignore certain HTML tags when doing a recursive retrieval, just
 467      like `-G' / `--ignore-tags'.
 468
 469 include_directories = STRING
 470      Specify a comma-separated list of directories you wish to follow
 471      when downloading - the same as `-I'.
 472
 473 input = STRING
 474      Read the URLs from STRING, like `-i'.
 475
 476 kill_longer = on/off
 477      Consider data longer than specified in content-length header as
 478      invalid (and retry getting it). The default behaviour is to save
 479      as much data as there is, provided there is more than or equal to
 480      the value in `Content-Length'.
 481
 482 logfile = STRING
 483      Set logfile - the same as `-o'.
 484
 485 login = STRING
 486      Your user name on the remote machine, for FTP.  Defaults to
 487      `anonymous'.
 488
 489 mirror = on/off
 490      Turn mirroring on/off.  The same as `-m'.
 491
 492 netrc = on/off
 493      Turn reading netrc on or off.
 494
 495 noclobber = on/off
 496      Same as `-nc'.
 497
 498 no_parent = on/off
 499      Disallow retrieving outside the directory hierarchy, like
 500      `--no-parent' (*Note Directory-Based Limits::).
 501
 502 no_proxy = STRING
 503      Use STRING as the comma-separated list of domains to avoid in
 504      proxy loading, instead of the one specified in environment.
 505
 506 output_document = STRING
 507      Set the output filename - the same as `-O'.
 508
 509 page_requisites = on/off
 510      Download all ancillary documents necessary for a single HTML page
 511      to display properly - the same as `-p'.
 512
 513 passive_ftp = on/off/always/never
 514      Set passive FTP - the same as `--passive-ftp'.  Some scripts and
 515      `.pm' (Perl module) files download files using `wget
 516      --passive-ftp'.  If your firewall does not allow this, you can set
 517      `passive_ftp = never' to override the commandline.
 518
 519 passwd = STRING
 520      Set your FTP password to PASSWORD.  Without this setting, the
 521      password defaults to `username@hostname.domainname'.
 522
 523 proxy_user = STRING
 524      Set proxy authentication user name to STRING, like `--proxy-user'.
 525
 526 proxy_passwd = STRING
 527      Set proxy authentication password to STRING, like `--proxy-passwd'.
 528
 529 referer = STRING
 530      Set HTTP `Referer:' header just like `--referer'.  (Note it was
 531      the folks who wrote the HTTP spec who got the spelling of
 532      "referrer" wrong.)
 533
 534 quiet = on/off
 535      Quiet mode - the same as `-q'.
 536
 537 quota = QUOTA
 538      Specify the download quota, which is useful to put in the global
 539      `wgetrc'. When download quota is specified, Wget will stop
 540      retrieving after the download sum has become greater than quota.
 541      The quota can be specified in bytes (default), kbytes `k'
 542      appended) or mbytes (`m' appended).  Thus `quota = 5m' will set
 543      the quota to 5 mbytes. Note that the user's startup file overrides
 544      system settings.
 545
 546 reclevel = N
 547      Recursion level - the same as `-l'.
 548
 549 recursive = on/off
 550      Recursive on/off - the same as `-r'.
 551
 552 relative_only = on/off
 553      Follow only relative links - the same as `-L' (*Note Relative
 554      Links::).
 555
 556 remove_listing = on/off
 557      If set to on, remove FTP listings downloaded by Wget.  Setting it
 558      to off is the same as `-nr'.
 559
 560 retr_symlinks = on/off
 561      When set to on, retrieve symbolic links as if they were plain
 562      files; the same as `--retr-symlinks'.
 563
 564 robots = on/off
 565      Use (or not) `/robots.txt' file (*Note Robots::).  Be sure to know
 566      what you are doing before changing the default (which is `on').
 567
 568 server_response = on/off
 569      Choose whether or not to print the HTTP and FTP server responses -
 570      the same as `-S'.
 571
 572 simple_host_check = on/off
 573      Same as `-nh' (*Note Host Checking::).
 574
 575 span_hosts = on/off
 576      Same as `-H'.
 577
 578 timeout = N
 579      Set timeout value - the same as `-T'.
 580
 581 timestamping = on/off
 582      Turn timestamping on/off. The same as `-N' (*Note Time-Stamping::).
 583
 584 tries = N
 585      Set number of retries per URL - the same as `-t'.
 586
 587 use_proxy = on/off
 588      Turn proxy support on/off. The same as `-Y'.
 589
 590 verbose = on/off
 591      Turn verbose on/off - the same as `-v'/`-nv'.
 592
 593 wait = N
 594      Wait N seconds between retrievals - the same as `-w'.
 595
 596 waitretry = N
 597      Wait up to N seconds between retries of failed retrievals only -
 598      the same as `--waitretry'.  Note that this is turned on by default
 599      in the global `wgetrc'.
 600
 601 \1f
 602 File: wget.info,  Node: Sample Wgetrc,  Prev: Wgetrc Commands,  Up: Startup File
 603
 604 Sample Wgetrc
 605 =============
 606
 607    This is the sample initialization file, as given in the distribution.
 608 It is divided in two section--one for global usage (suitable for global
 609 startup file), and one for local usage (suitable for `$HOME/.wgetrc').
 610 Be careful about the things you change.
 611
 612    Note that almost all the lines are commented out.  For a command to
 613 have any effect, you must remove the `#' character at the beginning of
 614 its line.
 615
 616      ###
 617      ### Sample Wget initialization file .wgetrc
 618      ###
 619
 620      ## You can use this file to change the default behaviour of wget or to
 621      ## avoid having to type many many command-line options. This file does
 622      ## not contain a comprehensive list of commands -- look at the manual
 623      ## to find out what you can put into this file.
 624      ##
 625      ## Wget initialization file can reside in /usr/local/etc/wgetrc
 626      ## (global, for all users) or $HOME/.wgetrc (for a single user).
 627      ##
 628      ## To use the settings in this file, you will have to uncomment them,
 629      ## as well as change them, in most cases, as the values on the
 630      ## commented-out lines are the default values (e.g. "off").
 631
 632
 633      ##
 634      ## Global settings (useful for setting up in /usr/local/etc/wgetrc).
 635      ## Think well before you change them, since they may reduce wget's
 636      ## functionality, and make it behave contrary to the documentation:
 637      ##
 638
 639      # You can set retrieve quota for beginners by specifying a value
 640      # optionally followed by 'K' (kilobytes) or 'M' (megabytes).  The
 641      # default quota is unlimited.
 642      #quota = inf
 643
 644      # You can lower (or raise) the default number of retries when
 645      # downloading a file (default is 20).
 646      #tries = 20
 647
 648      # Lowering the maximum depth of the recursive retrieval is handy to
 649      # prevent newbies from going too "deep" when they unwittingly start
 650      # the recursive retrieval.  The default is 5.
 651      #reclevel = 5
 652
 653      # Many sites are behind firewalls that do not allow initiation of
 654      # connections from the outside.  On these sites you have to use the
 655      # `passive' feature of FTP.  If you are behind such a firewall, you
 656      # can turn this on to make Wget use passive FTP by default.
 657      #passive_ftp = off
 658
 659      # The "wait" command below makes Wget wait between every connection.
 660      # If, instead, you want Wget to wait only between retries of failed
 661      # downloads, set waitretry to maximum number of seconds to wait (Wget
 662      # will use "linear backoff", waiting 1 second after the first failure
 663      # on a file, 2 seconds after the second failure, etc. up to this max).
 664      waitretry = 10
 665
 666
 667      ##
 668      ## Local settings (for a user to set in his $HOME/.wgetrc).  It is
 669      ## *highly* undesirable to put these settings in the global file, since
 670      ## they are potentially dangerous to "normal" users.
 671      ##
 672      ## Even when setting up your own ~/.wgetrc, you should know what you
 673      ## are doing before doing so.
 674      ##
 675
 676      # Set this to on to use timestamping by default:
 677      #timestamping = off
 678
 679      # It is a good idea to make Wget send your email address in a `From:'
 680      # header with your request (so that server administrators can contact
 681      # you in case of errors).  Wget does *not* send `From:' by default.
 682      #header = From: Your Name <username@site.domain>
 683
 684      # You can set up other headers, like Accept-Language.  Accept-Language
 685      # is *not* sent by default.
 686      #header = Accept-Language: en
 687
 688      # You can set the default proxy for Wget to use.  It will override the
 689      # value in the environment.
 690      #http_proxy = http://proxy.yoyodyne.com:18023/
 691
 692      # If you do not want to use proxy at all, set this to off.
 693      #use_proxy = on
 694
 695      # You can customize the retrieval outlook.  Valid options are default,
 696      # binary, mega and micro.
 697      #dot_style = default
 698
 699      # Setting this to off makes Wget not download /robots.txt.  Be sure to
 700      # know *exactly* what /robots.txt is and how it is used before changing
 701      # the default!
 702      #robots = on
 703
 704      # It can be useful to make Wget wait between connections.  Set this to
 705      # the number of seconds you want Wget to wait.
 706      #wait = 0
 707
 708      # You can force creating directory structure, even if a single is being
 709      # retrieved, by setting this to on.
 710      #dirstruct = off
 711
 712      # You can turn on recursive retrieving by default (don't do this if
 713      # you are not sure you know what it means) by setting this to on.
 714      #recursive = off
 715
 716      # To always back up file X as X.orig before converting its links (due
 717      # to -k / --convert-links / convert_links = on having been specified),
 718      # set this variable to on:
 719      #backup_converted = off
 720
 721      # To have Wget follow FTP links from HTML files by default, set this
 722      # to on:
 723      #follow_ftp = off
 724
 725 \1f
 726 File: wget.info,  Node: Examples,  Next: Various,  Prev: Startup File,  Up: Top
 727
 728 Examples
 729 ********
 730
 731    The examples are classified into three sections, because of clarity.
 732 The first section is a tutorial for beginners.  The second section
 733 explains some of the more complex program features.  The third section
 734 contains advice for mirror administrators, as well as even more complex
 735 features (that some would call perverted).
 736
 737 * Menu:
 738
 739 * Simple Usage::        Simple, basic usage of the program.
 740 * Advanced Usage::      Advanced techniques of usage.
 741 * Guru Usage::          Mirroring and the hairy stuff.
 742
 743 \1f
 744 File: wget.info,  Node: Simple Usage,  Next: Advanced Usage,  Prev: Examples,  Up: Examples
 745
 746 Simple Usage
 747 ============
 748
 749    * Say you want to download a URL.  Just type:
 750
 751           wget http://fly.cc.fer.hr/
 752
 753      The response will be something like:
 754
 755           --13:30:45--  http://fly.cc.fer.hr:80/en/
 756                      => `index.html'
 757           Connecting to fly.cc.fer.hr:80... connected!
 758           HTTP request sent, awaiting response... 200 OK
 759           Length: 4,694 [text/html]
 760
 761               0K -> ....                                                   [100%]
 762
 763           13:30:46 (23.75 KB/s) - `index.html' saved [4694/4694]
 764
 765    * But what will happen if the connection is slow, and the file is
 766      lengthy?  The connection will probably fail before the whole file
 767      is retrieved, more than once.  In this case, Wget will try getting
 768      the file until it either gets the whole of it, or exceeds the
 769      default number of retries (this being 20).  It is easy to change
 770      the number of tries to 45, to insure that the whole file will
 771      arrive safely:
 772
 773           wget --tries=45 http://fly.cc.fer.hr/jpg/flyweb.jpg
 774
 775    * Now let's leave Wget to work in the background, and write its
 776      progress to log file `log'.  It is tiring to type `--tries', so we
 777      shall use `-t'.
 778
 779           wget -t 45 -o log http://fly.cc.fer.hr/jpg/flyweb.jpg &
 780
 781      The ampersand at the end of the line makes sure that Wget works in
 782      the background.  To unlimit the number of retries, use `-t inf'.
 783
 784    * The usage of FTP is as simple.  Wget will take care of login and
 785      password.
 786
 787           $ wget ftp://gnjilux.cc.fer.hr/welcome.msg
 788           --10:08:47--  ftp://gnjilux.cc.fer.hr:21/welcome.msg
 789                      => `welcome.msg'
 790           Connecting to gnjilux.cc.fer.hr:21... connected!
 791           Logging in as anonymous ... Logged in!
 792           ==> TYPE I ... done.  ==> CWD not needed.
 793           ==> PORT ... done.    ==> RETR welcome.msg ... done.
 794           Length: 1,340 (unauthoritative)
 795
 796               0K -> .                                                      [100%]
 797
 798           10:08:48 (1.28 MB/s) - `welcome.msg' saved [1340]
 799
 800    * If you specify a directory, Wget will retrieve the directory
 801      listing, parse it and convert it to HTML.  Try:
 802
 803           wget ftp://prep.ai.mit.edu/pub/gnu/
 804           lynx index.html
 805
 806 \1f
 807 File: wget.info,  Node: Advanced Usage,  Next: Guru Usage,  Prev: Simple Usage,  Up: Examples
 808
 809 Advanced Usage
 810 ==============
 811
 812    * You would like to read the list of URLs from a file?  Not a problem
 813      with that:
 814
 815           wget -i file
 816
 817      If you specify `-' as file name, the URLs will be read from
 818      standard input.
 819
 820    * Create a mirror image of GNU WWW site (with the same directory
 821      structure the original has) with only one try per document, saving
 822      the log of the activities to `gnulog':
 823
 824           wget -r -t1 http://www.gnu.ai.mit.edu/ -o gnulog
 825
 826    * Retrieve the first layer of yahoo links:
 827
 828           wget -r -l1 http://www.yahoo.com/
 829
 830    * Retrieve the index.html of `www.lycos.com', showing the original
 831      server headers:
 832
 833           wget -S http://www.lycos.com/
 834
 835    * Save the server headers with the file:
 836           wget -s http://www.lycos.com/
 837           more index.html
 838
 839    * Retrieve the first two levels of `wuarchive.wustl.edu', saving them
 840      to /tmp.
 841
 842           wget -P/tmp -l2 ftp://wuarchive.wustl.edu/
 843
 844    * You want to download all the GIFs from an HTTP directory.  `wget
 845      http://host/dir/*.gif' doesn't work, since HTTP retrieval does not
 846      support globbing.  In that case, use:
 847
 848           wget -r -l1 --no-parent -A.gif http://host/dir/
 849
 850      It is a bit of a kludge, but it works.  `-r -l1' means to retrieve
 851      recursively (*Note Recursive Retrieval::), with maximum depth of 1.
 852      `--no-parent' means that references to the parent directory are
 853      ignored (*Note Directory-Based Limits::), and `-A.gif' means to
 854      download only the GIF files.  `-A "*.gif"' would have worked too.
 855
 856    * Suppose you were in the middle of downloading, when Wget was
 857      interrupted.  Now you do not want to clobber the files already
 858      present.  It would be:
 859
 860           wget -nc -r http://www.gnu.ai.mit.edu/
 861
 862    * If you want to encode your own username and password to HTTP or
 863      FTP, use the appropriate URL syntax (*Note URL Format::).
 864
 865           wget ftp://hniksic:mypassword@jagor.srce.hr/.emacs
 866
 867    * If you do not like the default retrieval visualization (1K dots
 868      with 10 dots per cluster and 50 dots per line), you can customize
 869      it through dot settings (*Note Wgetrc Commands::).  For example,
 870      many people like the "binary" style of retrieval, with 8K dots and
 871      512K lines:
 872
 873           wget --dot-style=binary ftp://prep.ai.mit.edu/pub/gnu/README
 874
 875      You can experiment with other styles, like:
 876
 877           wget --dot-style=mega ftp://ftp.xemacs.org/pub/xemacs/xemacs-20.4/xemacs-20.4.tar.gz
 878           wget --dot-style=micro http://fly.cc.fer.hr/
 879
 880      To make these settings permanent, put them in your `.wgetrc', as
 881      described before (*Note Sample Wgetrc::).
 882
 883 \1f
 884 File: wget.info,  Node: Guru Usage,  Prev: Advanced Usage,  Up: Examples
 885
 886 Guru Usage
 887 ==========
 888
 889    * If you wish Wget to keep a mirror of a page (or FTP
 890      subdirectories), use `--mirror' (`-m'), which is the shorthand for
 891      `-r -N'.  You can put Wget in the crontab file asking it to
 892      recheck a site each Sunday:
 893
 894           crontab
 895           0 0 * * 0 wget --mirror ftp://ftp.xemacs.org/pub/xemacs/ -o /home/me/weeklog
 896
 897    * You may wish to do the same with someone's home page.  But you do
 898      not want to download all those images--you're only interested in
 899      HTML.
 900
 901           wget --mirror -A.html http://www.w3.org/
 902
 903    * But what about mirroring the hosts networkologically close to you?
 904      It seems so awfully slow because of all that DNS resolving.  Just
 905      use `-D' (*Note Domain Acceptance::).
 906
 907           wget -rN -Dsrce.hr http://www.srce.hr/
 908
 909      Now Wget will correctly find out that `regoc.srce.hr' is the same
 910      as `www.srce.hr', but will not even take into consideration the
 911      link to `www.mit.edu'.
 912
 913    * You have a presentation and would like the dumb absolute links to
 914      be converted to relative?  Use `-k':
 915
 916           wget -k -r URL
 917
 918    * You would like the output documents to go to standard output
 919      instead of to files?  OK, but Wget will automatically shut up
 920      (turn on `--quiet') to prevent mixing of Wget output and the
 921      retrieved documents.
 922
 923           wget -O - http://jagor.srce.hr/ http://www.srce.hr/
 924
 925      You can also combine the two options and make weird pipelines to
 926      retrieve the documents from remote hotlists:
 927
 928           wget -O - http://cool.list.com/ | wget --force-html -i -
 929
 930 \1f
 931 File: wget.info,  Node: Various,  Next: Appendices,  Prev: Examples,  Up: Top
 932
 933 Various
 934 *******
 935
 936    This chapter contains all the stuff that could not fit anywhere else.
 937
 938 * Menu:
 939
 940 * Proxies::             Support for proxy servers
 941 * Distribution::        Getting the latest version.
 942 * Mailing List::        Wget mailing list for announcements and discussion.
 943 * Reporting Bugs::      How and where to report bugs.
 944 * Portability::         The systems Wget works on.
 945 * Signals::             Signal-handling performed by Wget.
 946
 947 \1f
 948 File: wget.info,  Node: Proxies,  Next: Distribution,  Prev: Various,  Up: Various
 949
 950 Proxies
 951 =======
 952
 953    "Proxies" are special-purpose HTTP servers designed to transfer data
 954 from remote servers to local clients.  One typical use of proxies is
 955 lightening network load for users behind a slow connection.  This is
 956 achieved by channeling all HTTP and FTP requests through the proxy
 957 which caches the transferred data.  When a cached resource is requested
 958 again, proxy will return the data from cache.  Another use for proxies
 959 is for companies that separate (for security reasons) their internal
 960 networks from the rest of Internet.  In order to obtain information
 961 from the Web, their users connect and retrieve remote data using an
 962 authorized proxy.
 963
 964    Wget supports proxies for both HTTP and FTP retrievals.  The
 965 standard way to specify proxy location, which Wget recognizes, is using
 966 the following environment variables:
 967
 968 `http_proxy'
 969      This variable should contain the URL of the proxy for HTTP
 970      connections.
 971
 972 `ftp_proxy'
 973      This variable should contain the URL of the proxy for HTTP
 974      connections.  It is quite common that HTTP_PROXY and FTP_PROXY are
 975      set to the same URL.
 976
 977 `no_proxy'
 978      This variable should contain a comma-separated list of domain
 979      extensions proxy should *not* be used for.  For instance, if the
 980      value of `no_proxy' is `.mit.edu', proxy will not be used to
 981      retrieve documents from MIT.
 982
 983    In addition to the environment variables, proxy location and settings
 984 may be specified from within Wget itself.
 985
 986 `-Y on/off'
 987 `--proxy=on/off'
 988 `proxy = on/off'
 989      This option may be used to turn the proxy support on or off.  Proxy
 990      support is on by default, provided that the appropriate environment
 991      variables are set.
 992
 993 `http_proxy = URL'
 994 `ftp_proxy = URL'
 995 `no_proxy = STRING'
 996      These startup file variables allow you to override the proxy
 997      settings specified by the environment.
 998
 999    Some proxy servers require authorization to enable you to use them.
1000 The authorization consists of "username" and "password", which must be
1001 sent by Wget.  As with HTTP authorization, several authentication
1002 schemes exist.  For proxy authorization only the `Basic' authentication
1003 scheme is currently implemented.
1004
1005    You may specify your username and password either through the proxy
1006 URL or through the command-line options.  Assuming that the company's
1007 proxy is located at `proxy.srce.hr' at port 8001, a proxy URL location
1008 containing authorization data might look like this:
1009
1010      http://hniksic:mypassword@proxy.company.com:8001/
1011
1012    Alternatively, you may use the `proxy-user' and `proxy-password'
1013 options, and the equivalent `.wgetrc' settings `proxy_user' and
1014 `proxy_passwd' to set the proxy username and password.
1015
1016 \1f
1017 File: wget.info,  Node: Distribution,  Next: Mailing List,  Prev: Proxies,  Up: Various
1018
1019 Distribution
1020 ============
1021
1022    Like all GNU utilities, the latest version of Wget can be found at
1023 the master GNU archive site prep.ai.mit.edu, and its mirrors.  For
1024 example, Wget 1.5.3+dev can be found at
1025 `ftp://prep.ai.mit.edu/gnu/wget/wget-1.5.3+dev.tar.gz'
1026
1027 \1f
1028 File: wget.info,  Node: Mailing List,  Next: Reporting Bugs,  Prev: Distribution,  Up: Various
1029
1030 Mailing List
1031 ============
1032
1033    Wget has its own mailing list at <wget@sunsite.auc.dk>, thanks to
1034 Karsten Thygesen.  The mailing list is for discussion of Wget features
1035 and web, reporting Wget bugs (those that you think may be of interest
1036 to the public) and mailing announcements.  You are welcome to
1037 subscribe.  The more people on the list, the better!
1038
1039    To subscribe, send mail to <wget-subscribe@sunsite.auc.dk>.  the
1040 magic word `subscribe' in the subject line.  Unsubscribe by mailing to
1041 <wget-unsubscribe@sunsite.auc.dk>.
1042
1043    The mailing list is archived at `http://fly.cc.fer.hr/archive/wget'.
1044
1045 \1f
1046 File: wget.info,  Node: Reporting Bugs,  Next: Portability,  Prev: Mailing List,  Up: Various
1047
1048 Reporting Bugs
1049 ==============
1050
1051    You are welcome to send bug reports about GNU Wget to
1052 <bug-wget@gnu.org>.  The bugs that you think are of the interest to the
1053 public (i.e. more people should be informed about them) can be Cc-ed to
1054 the mailing list at <wget@sunsite.auc.dk>.
1055
1056    Before actually submitting a bug report, please try to follow a few
1057 simple guidelines.
1058
1059   1. Please try to ascertain that the behaviour you see really is a
1060      bug.  If Wget crashes, it's a bug.  If Wget does not behave as
1061      documented, it's a bug.  If things work strange, but you are not
1062      sure about the way they are supposed to work, it might well be a
1063      bug.
1064
1065   2. Try to repeat the bug in as simple circumstances as possible.
1066      E.g. if Wget crashes on `wget -rLl0 -t5 -Y0 http://yoyodyne.com -o
1067      /tmp/log', you should try to see if it will crash with a simpler
1068      set of options.
1069
1070      Also, while I will probably be interested to know the contents of
1071      your `.wgetrc' file, just dumping it into the debug message is
1072      probably a bad idea.  Instead, you should first try to see if the
1073      bug repeats with `.wgetrc' moved out of the way.  Only if it turns
1074      out that `.wgetrc' settings affect the bug, should you mail me the
1075      relevant parts of the file.
1076
1077   3. Please start Wget with `-d' option and send the log (or the
1078      relevant parts of it).  If Wget was compiled without debug support,
1079      recompile it.  It is *much* easier to trace bugs with debug support
1080      on.
1081
1082   4. If Wget has crashed, try to run it in a debugger, e.g. `gdb `which
1083      wget` core' and type `where' to get the backtrace.
1084
1085   5. Find where the bug is, fix it and send me the patches. :-)
1086
1087 \1f
1088 File: wget.info,  Node: Portability,  Next: Signals,  Prev: Reporting Bugs,  Up: Various
1089
1090 Portability
1091 ===========
1092
1093    Since Wget uses GNU Autoconf for building and configuring, and avoids
1094 using "special" ultra-mega-cool features of any particular Unix, it
1095 should compile (and work) on all common Unix flavors.
1096
1097    Various Wget versions have been compiled and tested under many kinds
1098 of Unix systems, including Solaris, Linux, SunOS, OSF (aka Digital
1099 Unix), Ultrix, *BSD, IRIX, and others; refer to the file `MACHINES' in
1100 the distribution directory for a comprehensive list.  If you compile it
1101 on an architecture not listed there, please let me know so I can update
1102 it.
1103
1104    Wget should also compile on the other Unix systems, not listed in
1105 `MACHINES'.  If it doesn't, please let me know.
1106
1107    Thanks to kind contributors, this version of Wget compiles and works
1108 on Microsoft Windows 95 and Windows NT platforms.  It has been compiled
1109 successfully using MS Visual C++ 4.0, Watcom, and Borland C compilers,
1110 with Winsock as networking software.  Naturally, it is crippled of some
1111 features available on Unix, but it should work as a substitute for
1112 people stuck with Windows.  Note that the Windows port is *neither
1113 tested nor maintained* by me--all questions and problems should be
1114 reported to Wget mailing list at <wget@sunsite.auc.dk> where the
1115 maintainers will look at them.
1116
1117 \1f
1118 File: wget.info,  Node: Signals,  Prev: Portability,  Up: Various
1119
1120 Signals
1121 =======
1122
1123    Since the purpose of Wget is background work, it catches the hangup
1124 signal (`SIGHUP') and ignores it.  If the output was on standard
1125 output, it will be redirected to a file named `wget-log'.  Otherwise,
1126 `SIGHUP' is ignored.  This is convenient when you wish to redirect the
1127 output of Wget after having started it.
1128
1129      $ wget http://www.ifi.uio.no/~larsi/gnus.tar.gz &
1130      $ kill -HUP %%     # Redirect the output to wget-log
1131
1132    Other than that, Wget will not try to interfere with signals in any
1133 way. `C-c', `kill -TERM' and `kill -KILL' should kill it alike.
1134
1135 \1f
1136 File: wget.info,  Node: Appendices,  Next: Copying,  Prev: Various,  Up: Top
1137
1138 Appendices
1139 **********
1140
1141    This chapter contains some references I consider useful, like the
1142 Robots Exclusion Standard specification, as well as a list of
1143 contributors to GNU Wget.
1144
1145 * Menu:
1146
1147 * Robots::                  Wget as a WWW robot.
1148 * Security Considerations:: Security with Wget.
1149 * Contributors::            People who helped.
1150
1151 \1f
1152 File: wget.info,  Node: Robots,  Next: Security Considerations,  Prev: Appendices,  Up: Appendices
1153
1154 Robots
1155 ======
1156
1157    Since Wget is able to traverse the web, it counts as one of the Web
1158 "robots".  Thus Wget understands "Robots Exclusion Standard"
1159 (RES)--contents of `/robots.txt', used by server administrators to
1160 shield parts of their systems from wanderings of Wget.
1161
1162    Norobots support is turned on only when retrieving recursively, and
1163 *never* for the first page.  Thus, you may issue:
1164
1165      wget -r http://fly.cc.fer.hr/
1166
1167    First the index of fly.cc.fer.hr will be downloaded.  If Wget finds
1168 anything worth downloading on the same host, only *then* will it load
1169 the robots, and decide whether or not to load the links after all.
1170 `/robots.txt' is loaded only once per host.  Wget does not support the
1171 robots `META' tag.
1172
1173    The description of the norobots standard was written, and is
1174 maintained by Martijn Koster <m.koster@webcrawler.com>.  With his
1175 permission, I contribute a (slightly modified) TeXified version of the
1176 RES.
1177
1178 * Menu:
1179
1180 * Introduction to RES::
1181 * RES Format::
1182 * User-Agent Field::
1183 * Disallow Field::
1184 * Norobots Examples::
1185
1186 \1f
1187 File: wget.info,  Node: Introduction to RES,  Next: RES Format,  Prev: Robots,  Up: Robots
1188
1189 Introduction to RES
1190 -------------------
1191
1192    "WWW Robots" (also called "wanderers" or "spiders") are programs
1193 that traverse many pages in the World Wide Web by recursively
1194 retrieving linked pages. For more information see the robots page.
1195
1196    In 1993 and 1994 there have been occasions where robots have visited
1197 WWW servers where they weren't welcome for various reasons. Sometimes
1198 these reasons were robot specific, e.g. certain robots swamped servers
1199 with rapid-fire requests, or retrieved the same files repeatedly. In
1200 other situations robots traversed parts of WWW servers that weren't
1201 suitable, e.g. very deep virtual trees, duplicated information,
1202 temporary information, or cgi-scripts with side-effects (such as
1203 voting).
1204
1205    These incidents indicated the need for established mechanisms for
1206 WWW servers to indicate to robots which parts of their server should
1207 not be accessed. This standard addresses this need with an operational
1208 solution.
1209
1210    This document represents a consensus on 30 June 1994 on the robots
1211 mailing list (`robots@webcrawler.com'), between the majority of robot
1212 authors and other people with an interest in robots. It has also been
1213 open for discussion on the Technical World Wide Web mailing list
1214 (`www-talk@info.cern.ch'). This document is based on a previous working
1215 draft under the same title.
1216
1217    It is not an official standard backed by a standards body, or owned
1218 by any commercial organization. It is not enforced by anybody, and there
1219 no guarantee that all current and future robots will use it. Consider
1220 it a common facility the majority of robot authors offer the WWW
1221 community to protect WWW server against unwanted accesses by their
1222 robots.
1223
1224    The latest version of this document can be found at
1225 `http://info.webcrawler.com/mak/projects/robots/norobots.html'.
1226
1227 \1f
1228 File: wget.info,  Node: RES Format,  Next: User-Agent Field,  Prev: Introduction to RES,  Up: Robots
1229
1230 RES Format
1231 ----------
1232
1233    The format and semantics of the `/robots.txt' file are as follows:
1234
1235    The file consists of one or more records separated by one or more
1236 blank lines (terminated by `CR', `CR/NL', or `NL').  Each record
1237 contains lines of the form:
1238
1239      <field>:<optionalspace><value><optionalspace>
1240
1241    The field name is case insensitive.
1242
1243    Comments can be included in file using UNIX Bourne shell conventions:
1244 the `#' character is used to indicate that preceding space (if any) and
1245 the remainder of the line up to the line termination is discarded.
1246 Lines containing only a comment are discarded completely, and therefore
1247 do not indicate a record boundary.
1248
1249    The record starts with one or more User-agent lines, followed by one
1250 or more Disallow lines, as detailed below. Unrecognized headers are
1251 ignored.
1252
1253    The presence of an empty `/robots.txt' file has no explicit
1254 associated semantics, it will be treated as if it was not present, i.e.
1255 all robots will consider themselves welcome.
1256
1257 \1f
1258 File: wget.info,  Node: User-Agent Field,  Next: Disallow Field,  Prev: RES Format,  Up: Robots
1259
1260 User-Agent Field
1261 ----------------
1262
1263    The value of this field is the name of the robot the record is
1264 describing access policy for.
1265
1266    If more than one User-agent field is present the record describes an
1267 identical access policy for more than one robot.  At least one field
1268 needs to be present per record.
1269
1270    The robot should be liberal in interpreting this field. A case
1271 insensitive substring match of the name without version information is
1272 recommended.
1273
1274    If the value is `*', the record describes the default access policy
1275 for any robot that has not matched any of the other records. It is not
1276 allowed to have multiple such records in the `/robots.txt' file.
1277
1278 \1f
1279 File: wget.info,  Node: Disallow Field,  Next: Norobots Examples,  Prev: User-Agent Field,  Up: Robots
1280
1281 Disallow Field
1282 --------------
1283
1284    The value of this field specifies a partial URL that is not to be
1285 visited. This can be a full path, or a partial path; any URL that
1286 starts with this value will not be retrieved. For example,
1287 `Disallow: /help' disallows both `/help.html' and `/help/index.html',
1288 whereas `Disallow: /help/' would disallow `/help/index.html' but allow
1289 `/help.html'.
1290
1291    Any empty value, indicates that all URLs can be retrieved. At least
1292 one Disallow field needs to be present in a record.
1293
1294 \1f
1295 File: wget.info,  Node: Norobots Examples,  Prev: Disallow Field,  Up: Robots
1296
1297 Norobots Examples
1298 -----------------
1299
1300    The following example `/robots.txt' file specifies that no robots
1301 should visit any URL starting with `/cyberworld/map/' or `/tmp/':
1302
1303      # robots.txt for http://www.site.com/
1304
1305      User-agent: *
1306      Disallow: /cyberworld/map/ # This is an infinite virtual URL space
1307      Disallow: /tmp/ # these will soon disappear
1308
1309    This example `/robots.txt' file specifies that no robots should
1310 visit any URL starting with `/cyberworld/map/', except the robot called
1311 `cybermapper':
1312
1313      # robots.txt for http://www.site.com/
1314
1315      User-agent: *
1316      Disallow: /cyberworld/map/ # This is an infinite virtual URL space
1317
1318      # Cybermapper knows where to go.
1319      User-agent: cybermapper
1320      Disallow:
1321
1322    This example indicates that no robots should visit this site further:
1323
1324      # go away
1325      User-agent: *
1326      Disallow: /
1327
1328 \1f
1329 File: wget.info,  Node: Security Considerations,  Next: Contributors,  Prev: Robots,  Up: Appendices
1330
1331 Security Considerations
1332 =======================
1333
1334    When using Wget, you must be aware that it sends unencrypted
1335 passwords through the network, which may present a security problem.
1336 Here are the main issues, and some solutions.
1337
1338   1. The passwords on the command line are visible using `ps'.  If this
1339      is a problem, avoid putting passwords from the command line--e.g.
1340      you can use `.netrc' for this.
1341
1342   2. Using the insecure "basic" authentication scheme, unencrypted
1343      passwords are transmitted through the network routers and gateways.
1344
1345   3. The FTP passwords are also in no way encrypted.  There is no good
1346      solution for this at the moment.
1347
1348   4. Although the "normal" output of Wget tries to hide the passwords,
1349      debugging logs show them, in all forms.  This problem is avoided by
1350      being careful when you send debug logs (yes, even when you send
1351      them to me).
1352