如何使用 WGET 镜像站点 1 级深度，恢复 JS、CSS 资源，包括 CSS 图像？

Question

假设我想要一个简单的页面副本下载到我的 HD 中以永久保存。我不是在寻找深度递归获取，只是一个页面，而且还需要下载该页面加载的任何资源。

示例：https : //www.tumblr.com/

预计：

• index.html
• 任何加载的图像
• 任何加载的 JS 文件
• 任何加载的 CSS 文件
• 在 CSS 文件中加载的任何图像
• 页面资源的链接已本地化以与下载的副本一起使用（无网络依赖性）

我很想知道您是否可以帮我找到最好的 wget 语法或其他可以做到这一点的工具。我尝试过的工具通常无法通过 CSS 加载图像，因此在本地加载时页面看起来永远不会正确。谢谢！

切线解

我找到了一种使用 FireFox 执行此操作的方法。默认保存已损坏，并且有一个名为“保存完成”的插件，显然可以很好地完成此工作。但是，您无法下载它，因为它说当前的 FireFox 版本不支持它。原因是它被卷入了这个插件：“Mozilla Archive Format”。安装它，然后当你使用 File > "Save Page As.." 有一个名为 "Web Page, complete" 的新选项，它本质上是旧的插件，它修复了 FireFox 使用的库存实现（这很糟糕）。这不是 WGET 解决方案，但它确实提供了一个可行的解决方案。

编辑：对于将来可能会关注此问题并尝试执行此操作的任何人来说，另一个荒谬的问题。让插件正常工作你需要工具> Mozilla存档格式并将“对页面进行忠实快照”的（可怕的）默认设置更改为“使用保存完整保存脚本和源”，否则插件将清空所有您的脚本文件并将它们替换为文本“/* Script removed by snapshot save */”。

Answer 1

wget -p -k http://ExampleSite.com

-p 将为您提供正确查看站点所需的所有元素（css、图像等）。-k 将更改所有链接（包括 CSS 和图像的链接），以允许您离线查看页面，因为它在线显示。

更新： 这是特定于您的示例站点：tumblr.com

wget -H -N -k -p --exclude-domains quantserve.com --no-check-certificate -U "Mozilla/5.0 (Windows NT 6.1; WOW64; rv:6.0a2) Gecko/20110613 Firefox/6.0a2" https://www.tumblr.com

细分：

-H = 允许 wget 跨越一个外部主机。必需，因为 tumblr 的首页上没有相同地址的图像，他们使用的是 secure.assets.tumblr.com请参阅排除域的说明

-N = 将仅抓取比您当前拥有的文件更新的文件，以防您随着时间的推移再次下载同一页面

-k = 转换您的链接以正确离线查看

-p = 抓取所有必需的元素以正确查看它（css、图像等）

--exclude-domains = 因为 tumblr.com 主页有一个指向 quantserve.com 的链接，我猜你不想要这个东西，你需要从你的 wget 下载中排除它。注意：这是一个非常重要的，你应该与 -H 一起使用，因为如果你访问一个站点并且他们有多个外部主机的链接（想想广告商和分析的东西），那么你也会抓住那些东西！

--no-check-certificate 需要，因为 tumblr 使用的是 https

-U 更改用户代理。在这种情况下并不是真的有必要，因为它允许默认的 wget 用户代理，但我知道有些网站会阻止它。我只是把它扔在这里，以防万一你在其他网站上遇到任何问题。在我给出的示例片段中，它显示为 Mozilla Firefox 6.02a

最后你有这个网站：https : //www.tumblr.com

Answer 2

您还可以通过 shell 使用 wget 发出命令来自动执行此操作（如果您进行编码，则以编程方式执行）：

wget --convert-links -r http://www.yourdomain.com

它将下载页面和内部文件并将链接设置为本地。