python - 如何完美备份(离线)静态站点？
邱喷壶_381 发布于 2022-11-26 19:41有时候想把一些不错的静态站点的内容离线下来，然后制作成为Docset放在Dash里面便于管理查看。将站点，其实就是带有索引(一般是index.html)的html文件转换为docset格式这一步已经用python实现自动化了。剩下的问题就是如何离线静态站点。
目前主要有两种方法：
- 用wget下载资源，一般用
wget -r -p -k -np [site_root_path]命令； - 用SiteSucker下载。
但是这两种方法都不是很完美，因为上面两种方法下载页面时，只下载: site_root_path以及子目录下的html文件，这样会导致一些引用的js脚本，css样式表以及图片等都下载不了。比如The Django Book 这个网站，如果用
wget -r -p -k -np http://djangobook.py3k.cn/2.0/
就无法下载到http://djangobook.py3k.cn/sitemedia/css/djangobook.css以及其它的一些资源，这就导致在Dash中查看时失去一些样式。
所以问题来了，有没有现成的傻瓜方法可以让我完美的备份静态站点？（完美就是指下载某个目录时，要下载它的所有子目录，并且也要选择性的下载要使用到的但不在该目录下的css、js以及图片文件。）
-
建议你可以试试这个命令：
wget -m -k (-H) http://www.example.com/
2022-11-26 19:48 回答
冲动王子2502901503 -
几乎所有的笔记软件都有这个功能，比如印象笔记的剪藏，还有就是像360浏览器网页快照类似功能，也能帮你快速保存整个网站。
2022-11-26 19:48 回答
性感让晚安回忆流淌_507 -
teleportpro
2022-11-26 19:48 回答 -
2022-11-26 19:48 回答
点燃半吱煙 -
以前用过一个软件叫做整站下载器。
2022-11-26 19:48 回答
书友60614683 -
坦白：多年前曾经盗版过 Teleport Ultra 用来扒离线站点，效果不错，相关css和js能够直接识别到，并能够无条件下载，或设定过滤条件（扩展名、文件大小等）部分下载
免费或开源方案目前仍在寻求中
2022-11-26 19:48 回答
幸福璞子难_197 -
我经常遇到的麻烦是，有的时候并不需要下载整个页面，可能是页面的某个p，其他边栏顶栏都不需要。这个时候我通常会用正则或者字符串函数截取需要的部分，拼装之后写文件。css其实不是大问题，可以自己配，拼装的时候写好就可以。我一般都是先把原配的下载下来，手工组装出一个页面去调，不合适自己再写另外一个文件加上一些样式。另外不建议直接拿shellscript去爬，因为要处理的东西太复杂了，用py的http模块是个不错的选择。
2022-11-26 19:48 回答
手机用户2502915433 -
HTTRACK
2022-11-26 19:48 回答
傅笑寒
京公网安备 11010802041100号