抓取静态网页

[mingtdlb]

问下 v 友们，有没有哪个比较好用的工具可以抓取整个网站的所有网页，都是静态的。

这网站在国外，科学上网了还是慢，想给他全部抓下来，离线看。试了 idm 的站点抓取，提示“连接超时，无法下载文件”，抓不到网页！

[sedgwickz]

看看我写的 https://jsonhunter.vercel.app/

[musi]

写个爬虫放到国外的服务器运行就好了

[mingtdlb]

土办法 wget 应该是搞定了😂

[oneoyn]

网站发来 我试试

[xuanzz]

试试在国外的服务器、
wget -r -p -np -k ./ https://xxx.com

[mingtdlb]

@xuanzz 我没加 np 选项，下载是下载下来了，不过没有扩展名，得批量改名为.html，用浏览器打开才正常。这个 np 是啥意思呢

[Y29tL2gwd2Fy]

github 。com/gildas-lormeau/SingleFile

[mingtdlb]

@Y29tL2gwd2Fy 你这个不行，我要全站！当页 ctrl+s 可以的

[wangritian]

研究下为什么上网慢？我怀疑是网站使用的某个第三方字体或脚本，没在 gfwlist 中，打开 F12 看看吧

[mingtdlb]

@wangritian 我挂了$$了，还是不行。非常慢，无奈 就想着给他抓下来了。但抓下来的，又全是没有扩展名的，浏览器打开是源码，我还得搞个本地的 nginx🤣

[wangritian]

@mingtdlb 只是打开$$不一定走代理，还要确认工作模式，如果是 PAC，会有一个域名列表，包含在内的才走代理，其余直连；全局模式是无脑走代理。切换到全局模式试一下

[xuanzz]

@mingtdlb #6
$ man wget，然后搜索 -np 就有了

-np
--no-parent
Do not ever ascend to the parent directory when retrieving recursively. This is a useful option, since it guarantees that only
the files below a certain hierarchy will be downloaded.

[mingtdlb]

@wangritian 这个我确认过了，我用 clash，在 log 里是有看到