使用 httrack 镜像单页答案

【问题标题】：mirror single page with httrack使用 httrack 镜像单页
【发布时间】：2009-12-28 07:55:19
【问题描述】：

我正在尝试使用 httrack (http://www.httrack.com/) 来下载单个页面，而不是整个站点。因此，例如，当使用 httrack 下载 www.google.com 时，它应该只下载 www.google.com 下的 html 以及所有样式表、图像和 javascript，而不是跟随任何指向 images.google.com 的链接， labs.google.com 或 www.google.com/subdir/ 等。

我尝试了-w 选项，但没有任何区别。

什么是正确的命令？

编辑

我尝试使用httrack "http://www.google.com/" -O "./www.google.com" "http://www.google.com/" -v -s0 --depth=1，但它不会复制任何图像。

我基本上想要的只是下载该域的索引文件以及所有资产，而不是任何外部或内部链接的内容。

【问题讨论】：

标签： http command-line httrack

【解决方案1】：

httrack "http://www.google.com/" -O "./www.google.com" "http://www.google.com/" -v -s0  --depth=1 -n

-n 选项（或 --near）将下载网页上的图像，无论它位于何处。

假设图片位于 google.com/foo/bar/logo.png。因为，您使用的是 s0（留在同一目录上），除非您指定 --near

，否则它不会下载图像

【讨论】：

【解决方案2】：

点击“设置选项”
转到“限制”标签
将“最大外部深度”设置为 0

【讨论】：

【解决方案3】：

你能用 wget 代替 httrack 吗？ wget -p 将下载单个页面及其所有“先决条件”（图像、样式表）。

【讨论】：

如果 httrack 不能完成这项工作，wget 将是我的后备解决方案。
关于httrack的问题，请继续关注。 wget 不执行 JS
如果资源有查询字符串，wget 会失败。它下载以查询字符串本身命名的文件。
wget 不适用于某些站点/页面。我需要按照下面@torger 的回答使用httrack 来获取所有必需的CSS 文件并更正链接。

【解决方案4】：

看例子：

httrack "http://www.all.net/" -O "/tmp/www.all.net" "+*.all.net/*" -v

最后一部分是一个正则表达式。只需制作一个完全匹配的正则表达式即可。

httrack "http://www.google.com.au/" -O "/tmp/www.google.com.au" "+*.google.com.au/*" -v ---depth=2 --ext-depth=2

我必须进行本地化，否则我会得到一个重定向页面。你应该本地化到你被定向到的任何一个谷歌。

【讨论】：

这有帮助，但并不完全正确。你能看看我的编辑吗？
这好像是复制图片，还有js。
你的参数中有一个多余的-。

【解决方案5】：

HTTTrack 的目的是跟踪链接。尝试设置--ext-depth=0。

【讨论】：