我需要递归地镜像一些具有特定标记的站点壁纸图像，例如：

但不是其他人，例如：

请注意，URL 是相同的，除了分辨率，但原件的分辨率可能会有所不同，所以只有周围的标记会有所不同，比如在链接前面加上Original Resolution:.

有没有使用 wget 或 httrack 或其他工具的解决方案？

谢谢你。

我尝试仅从某个网站下载图像，并保存原始文件夹嵌套结构，其中图像位于网站的服务器上。

在过滤器设置中，我设置要下载的文件类型，例如：

一切运行正常，但 HTTrack 会在 HTML 文件所在的位置创建空文件夹。结果我有网站的完整文件夹结构，其中一些文件夹是空的，有些包含图像。

问题是：我怎样才能避免创建空文件夹？我只想要包含图像的文件夹。

我已经意识到如果 url 中包含特殊字符（如德语），HTTrack 无法下载文件ß- 它返回 404 响应。

错误看起来像屏幕截图：

HTTrack 中是否有任何设置使其能够处理此类字符？

ps：我找到了一个类似的帖子，但没有答案：

遇到日语编码的 URL 时 Httrack 出错

我已经用httracks 搜索了一个网站，并生成了许多不同级别的文件。但是该网站使用带有httrack无法处理 的属性的picture/source标签，所有这些图片在离线时都无法正常工作。srcset

如果使用选项Attempt to detect all links (even in unknown tags/javascript code)（在 winhttrack 中）并将所有图像复制到本地存储，httrack可以看到链接。但它并没有改变相对的路径。

现在我需要一个脚本（powershell/gnu bash），它可以编辑所有 html 文件以使srcsets 中的路径适应正确的相对路径。

我的想法是对每个文件夹进行递归，并附加一个../作为参数来插入/替换为sed.

该怎么办：

示例文件：

每个都包含一些图片标签，例如：

在图像标签内，路径始终是正确的httrack：（images/img1_hi.jpg，，，../images/img1_hi.jpg）../../images/img1_hi.jpg

但源标签也必须包含匹配的路径：

在 index.html 中：

在 cat1/product1.html 中：

在 cat2/option3/product5.html 中：

我的尝试：

除了太多错误之外，$2sed 替换中的问题并没有解决，而是被替换掉了。

我想用 httrack 保存一个网页，包括执行的 JavaScript 输出。我在用着：

目前我只得到.js-source：

是否有任何选项可以添加到执行 javascript 的 httrack-command 中？

谢谢

全部

HTTRACK 用户代理请求：

Mozilla/2.0（兼容；MS FrontPage Express 2.0）

Mozilla/4.05 [fr] (Win98; I)

Lynx/2.8rel.3 libwww-FM/2.14

Java1.1.4

Mozilla/4.5（兼容；HTTrack 3.0x；Windows 98）

HyperBrowser (Cray; I; OrganicOS 9.7.42beta-27)

HTTrack/3.0x

HTTrack Website Copier/3.0x（离线浏览器；网络镜像实用程序）

如何使用 .htaccess 或 robots.txt 或任何类型阻止 httrack 网站复印机和示例程序？

感谢您的帮助。

问题

下载动态加载链接/图像的网站的完整离线工作副本

研究

Stackoverflow 上有一些问题（例如[1]、[2]、[3]）解决了这个问题，其中大多数问题都使用wget或httrack获得了最佳答案，这两个问题都失败了（如果我错了，请纠正我）在动态加载链接或使用srcset而不是srcforimg标记的页面上 - 或通过 JS 加载的任何内容。一个相当明显的解决方案是Selenium，但是，如果您曾经在生产中使用过 Selenium，您很快就会开始看到这样的决定引起的问题（资源繁重，使用全头驱动程序非常复杂，事实上它不是为那），话虽这么说，有人声称多年来一直在生产中轻松使用它

预期解决方案

一个脚本（最好在 python 中），它解析页面中的链接并单独加载它们。我似乎找不到任何现有的脚本可以做到这一点。如果您的解决方案是“所以实现您自己的”，那么首先提出这个问题是没有意义的，我正在寻求现有的实现。

例子

1. Shopify.com
2. 使用 Wix 构建的网站

当我尝试httrack在 Ubuntu 16.04 中安装时，我无法获得这些软件包：

我正在尝试使用 HTTrack 软件下载网站的内容。

该网站需要登录详细信息。

选择要保存的目录后，我添加了 URL。“http://*****/login 我选择了捕获 URL 并临时将临时代理设置添加到我的 LAN 设置中：

代理地址：fe80::55dd:bbbd:2fd2:c7b9 代理端口：8080

地址无效。我把它放在 [] 之间，它起作用了。

我尝试使用代理登录，但没有迹象表明链接已被捕获到 HTTrack 中，并且出现以下错误：“我们无法让您登录。发生错误。请检查您的 Internet 连接，然后重试。”

在 HTTrack 上继续处理会出现错误：

如果您能帮助我，我将不胜感激。好心，奥尔法

我试图使用具有默认设置的 HTTrack 来下载角度 io 文档 - 没有任何成功。

我应该使用哪些选项和偏好来执行此任务？