Laden Sie eine funktionierende lokale Kopie einer Webseite herunter [geschlossen]

210

Ich möchte eine lokale Kopie einer Webseite herunterladen und alle CSS, Bilder, Javascript usw. erhalten.

In früheren Diskussionen (z. B. hier und hier , die beide älter als zwei Jahre sind) werden im Allgemeinen zwei Vorschläge gemacht: wget -pund httrack . Diese Vorschläge schlagen jedoch beide fehl. Ich würde mich sehr über Hilfe bei der Verwendung eines dieser Tools zur Erfüllung der Aufgabe freuen. Alternativen sind auch sehr schön.


Option 1: wget -p

wget -pLädt erfolgreich alle Voraussetzungen der Webseite herunter (CSS, Bilder, JS). Wenn ich jedoch die lokale Kopie in einen Webbrowser lade, kann die Seite die Voraussetzungen nicht laden, da die Pfade zu diesen Voraussetzungen gegenüber der Version im Web nicht geändert wurden.

Beispielsweise:

  • Im HTML der Seite <link rel="stylesheet href="https://stackoverflow.com/stylesheets/foo.css" />muss korrigiert werden, um auf den neuen relativen Pfad von zu verweisenfoo.css
  • In der CSS-Datei background-image: url(/images/bar.png)muss ebenfalls angepasst werden.

Gibt es eine Möglichkeit, Änderungen vorzunehmen, wget -pdamit die Pfade korrekt sind?


Option 2: httrack

httrackscheint ein großartiges Werkzeug zum Spiegeln ganzer Websites zu sein, aber mir ist nicht klar, wie ich damit eine lokale Kopie einer einzelnen Seite erstellen soll. In den httrack-Foren wird viel über dieses Thema diskutiert (z. B. hier ), aber niemand scheint eine kugelsichere Lösung zu haben.


Option 3: ein anderes Werkzeug?

Einige Leute haben kostenpflichtige Tools vorgeschlagen, aber ich kann einfach nicht glauben, dass es keine kostenlose Lösung gibt.

brahn
quelle
19
Wenn die Antwort nicht funktioniert, versuchen Sie: wget -E -H -k -K -p http://example.com- Nur das hat bei mir funktioniert. Credit: superuser.com/a/136335/94039
its_me
Dafür gibt es auch Software, Teleport Pro .
pbies
3
wget --random-wait -r -p -e robots=off -U mozilla http://www.example.com
Davidcondrey

Antworten:

262

wget ist in der Lage zu tun, was Sie verlangen. Versuchen Sie einfach Folgendes:

wget -p -k http://www.example.com/

Damit -perhalten Sie alle erforderlichen Elemente, um die Site korrekt anzuzeigen (CSS, Bilder usw.). Das -kwird alle Links ändern (zu denen für CSS und Bilder enthalten), damit Sie die Seite offline anzuzeigen , wie es online erschienen.

Aus den Wget-Dokumenten:

‘-k’
‘--convert-links’
After the download is complete, convert the links in the document to make them
suitable for local viewing. This affects not only the visible hyperlinks, but
any part of the document that links to external content, such as embedded images,
links to style sheets, hyperlinks to non-html content, etc.

Each link will be changed in one of the two ways:

    The links to files that have been downloaded by Wget will be changed to refer
    to the file they point to as a relative link.

    Example: if the downloaded file /foo/doc.html links to /bar/img.gif, also
    downloaded, then the link in doc.html will be modified to point to
    ‘../bar/img.gif’. This kind of transformation works reliably for arbitrary
    combinations of directories.

    The links to files that have not been downloaded by Wget will be changed to
    include host name and absolute path of the location they point to.

    Example: if the downloaded file /foo/doc.html links to /bar/img.gif (or to
    ../bar/img.gif), then the link in doc.html will be modified to point to
    http://hostname/bar/img.gif. 

Because of this, local browsing works reliably: if a linked file was downloaded,
the link will refer to its local name; if it was not downloaded, the link will
refer to its full Internet address rather than presenting a broken link. The fact
that the former links are converted to relative links ensures that you can move
the downloaded hierarchy to another directory.

Note that only at the end of the download can Wget know which links have been
downloaded. Because of that, the work done by ‘-k’ will be performed at the end
of all the downloads. 
serk
quelle
2
Ich habe es versucht, aber irgendwie index.html#link-to-element-on-same-pagefunktionierten interne Links wie nicht mehr.
Hand
12
Einige Server antworten mit einem 403-Code, wenn Sie wget ohne User Agent verwenden, können Sie hinzufügen-U 'Mozilla/5.0 (X11; U; Linux i686; en-US; rv:1.8.1.6) Gecko/20070802 SeaMonkey/1.1.4'
nikoskip
45
Wenn Sie feststellen, dass Ihnen immer noch Bilder usw. fehlen, fügen Sie Folgendes hinzu: -e robots = off ..... wget liest und respektiert robots.txt - das hat es mir wirklich schwer gemacht, herauszufinden, warum nichts hat funktioniert!
John Hunt
24
Um Ressourcen von ausländischen Hosts zu erhalten, verwenden Sie-H, --span-hosts
davidhq