我正在尝试使用 wget 创建网站的本地镜像。但我发现我没有得到所有的链接页面。
这是网站
http://web.archive.org/web/20110722080716/http://cst-www.nrl.navy.mil/lattice/
我不想要所有以 开头的页面web.archive.org，但我想要所有以 开头的页面http://web.archive.org/web/20110722080716/http://cst-www.nrl.navy.mil/lattice/。
当我使用时wget -r，在我的文件结构中我发现
web.archive.org/web/20110722080716/http://cst-www.nrl.navy.mil/lattice/index.html,
但我没有属于这个数据库的所有文件，例如
web.archive.org/web/20110808041151/http://cst-www.nrl.navy.mil/lattice/struk/d0c.html.
也许 httrack 会做得更好，但现在这太过分了。
那么，通过什么方式可以从Internet Archive Wayback Machine获取存档网站的本地副本？
我正在对许多网站进行存档，以便保留其中的许多链接文件，特别是一些 PDF。
我在使用 Heritrix 爬虫收集网站时没有遇到任何问题。但是我还没有找到从这些文件中提取文件的好解决方案.warc。
有没有人有这方面的经验，或者有一种首选方法来获取这些单独的文件？
背景：Twitch 有一个名为 Twitch Sings 的卡拉 OK 服务，该服务于去年 12 月关闭。它由 Harmonix 开发，Harmonix 是创建吉他英雄和摇滚乐队的同一个工作室，这就是为什么有关它的信息值得保留的原因。我试图找到一个最终的歌曲列表，但与完整信息的唯一页面是此页，已被停用：https://songlist.sings.twitch.tv/
存档版本：HTTPS：//web.archive。 org/web/20201202061659/https://songlist.sings.twitch.tv/
问题：当通过archive.org 查看页面时，它似乎打算从数据库中提取以填充页面。但是，存档版本显示不正确。它将访问数据库并显示以数字或 A 开头的艺术家的歌曲，但接下来不是显示 B，而是循环返回并一次又一次地显示 A。我尝试在 Chrome、Firefox 和 Edge 中打开它，结果相同。
有没有办法通过直接访问数据库来完全绕过存档页面？或者可以通过打开页面源来编辑代码，使其在浏览器中正确显示？有没有其他方法可以让我检索信息？我真的没有太多的编码经验。