我试图使用wget镜像网站，但我不想下载大量的文件，所以我使用wget的--reject选项不保存所有的文件。 但是，wget仍然会下载所有文件，然后删除文件，如果它匹配我的拒绝选项。
有没有什么方法可以告诉wget不遵循某些链接，如果他们匹配一些shell通配符？ 如果wget不能做到这一点，是否有一些其他常见的Linux命令可以做到这一点？
你也可以尝试HTTrack ，它具有IMO更灵活和直观的包含/排除逻辑。 像这样的东西…
httrack "https://example.com" -O ExampleMirrorDirectory \ "-*" \ "+https://example.com/images/*" \ "-*.swf"
规则将按顺序应用，并将覆盖以前的规则…
看起来这在wget中是不可能的
在“man wget”的–reject部分下：
“请注意，如果任何通配符，*，？，[或]出现在acclist或rejlist的元素中，它将被视为模式，而不是后缀。
如果你正在这样做，你可能想要给出你正在使用的模式的例子，你认为应该匹配什么，而事实并非如此。 你说他们是匹配的，但你确定吗？
此外，请确保将此列表放在引号中，所以在将parameter passing给wget之前，shell不会展开这些通配符。
即使您的系统没有版本1.12，请阅读本手册的“文件types”部分。 根据变更日志，维护人员添加了一些注意事项：
* NEWS: Added documentation change re: --no-parents, and various caveats on accept/reject lists behavior. Rearranged some items in order of priority.
你可以用-l NUMBER选项限制recursion的级别，如果有帮助的话（不遵循某个正则expression式模式）。
级别为“2”的下载index.html，其子网站/图像/等和子网站上的链接。
你如何使用wget？ 尝试以这种方式使用它：
wget -r --reject=gif,jpg,swf http://norc.aut.ac.ir/
这个命令会忽略gif和jpg和swf文件。
一种解决方法是通过代理服务器运行wget。 设置您的代理不允许某些模式。 这将阻止wget从一开始就下载它们。
wget将下载并删除与-R模式相匹配的文件。 它也可以匹配模式，而不仅仅是扩展名或部分文件名。 然而它并没有阻止wget先下载和删除。
httrack确实有一些不错的function，但以我的经验，它保存“文件”的方式可能有点古怪，例如，如果httrack遇到了index.asp？Type = BASIC＆PAGEID = 2234234
它可以保存它，但你必须告诉它保存查询的部分
例如％h％p /％n％[TYPE：@TYPE = ::]％[PAGEID：PAGEID = ::]。％t
@是一个问号的占位符，您可以稍后重命名文件，或者可以转义问号而不是？ 问题是，。％t会在您的URI的末尾添加一个“.html”，最初没有“.html”。如果你把它关掉，那么下载的图像将缺less文件扩展名。
最好使用wget恕我直言