linux

wget 递归下载整个网站(网站扒皮必备)

2232
10
2016-02-28

有时间看到别人网站的页面比较漂亮,就想给扒皮下来,学习学习。分享一个我常用网站扒皮命令wget
这个命令可以以递归的方式下载整站,并可以将下载的页面中的链接转换为本地链接。
wget加上参数之后,即可成为相当强大的下载工具。

wget -r -p -np -k http://xxx.com/xxx

-r, --recursive(递归) specify recursive download.(指定递归下载)
-k, --convert-links(转换链接) make links in downloaded HTML point to local files.(将下载的HTML页面中的链接转换为相对链接即本地链接)
-p, --page-requisites(页面必需元素) get all images, etc. needed to display HTML page.(下载所有的图片等页面显示所需的内容)
-np, --no-parent(不追溯至父级) don't ascend to the parent directory.
另外断点续传用-nc参数 日志 用-o参数
拿我自己的网站扒皮试一下吧

wget -r -p -np -k https://wujunze.com/

等网站递归下载完毕,你会发现你当前目录会有一个 wujunze.com的目录
进入这个目录看一下

熟练掌握wget命令,可以帮助你扒皮网站。

以上转载自:https://wujunze.com/linux_wget.jsp
 

小紫注

当然咯,这个命令只能扒静态资源,你就别指望把源码扒下来了,除非对方服务器配置有问题不解析服务端动态语言

你所看到截图中的.jsp文件其实只是类似于伪静态的方式实现的,实际上都是JSP执行后输出的html而已

昵称
邮箱
网址
雲途科技信息发展有限公司的头像 2017-05-26 18:18

刚测试了下,这个命令除了字体下载不到,其他的完全没问题,非常给力。

Z4HD的头像 2017-05-21 23:04

这个可以用来抢救一些有珍贵静态资料的网站比如FL吧导航

霜酱的头像 2016-08-13 20:40
霜酱

我去下国外菊苣的博客群http://komkon.net/下的了,可是我下国内的网站CSS丢了、、、

小刘的头像 2016-06-23 14:53

这tm就有点尴尬了 他是怎么递归的

静静的头像 2016-03-16 18:25
静静

HTTrack表示笑了

行云流火的头像 2016-03-02 09:53

我比较想知道他是如何递归的。。。
因为网站一般并不提供filelist。。。。。
如果说从sitemap上看的话,命令中并没有相关语句啊= =
P.S.不觉得多说评论框真的好丑好不搭么。。。

asd的头像 2016-04-07 04:01
asd

从html中读取载入的资源?

行云流火的头像 2016-04-07 17:21

类似于蜘蛛么?那完全不能从任何页面中找到的页面是不是没法扒。。。

asd的头像 2016-04-07 17:25
asd

是没法扒,但页面肯定有。不然爬来也没用。

mokeyjay的头像 2016-03-02 10:13
mokeyjay 博主

我也不知道,就是感觉好厉害,就先转了再说
评论框啊,我觉得都是淡灰色还挺搭网页背景色的。。。