使用Wget保存单个网页（带有背景图片）

我想使用Wget保存单个网页（不是递归的，不是整个站点）以供参考。类似于Firefox的“完整网页”。

我的第一个问题是：我无法让Wget保存CSS中指定的背景图像。即使它确实保存了背景图像文件，我也不认为--convert-links会将CSS文件中的背景图像URL转换为指向本地保存的背景图像。Firefox也有同样的问题。

我的第二个问题是：如果页面上有我要保存的图像，这些图像托管在另一台服务器上（例如广告），这些图像将不包括在内。--span-hosts似乎无法通过下面的代码来解决该问题。

我正在使用： wget --no-parent --timestamping --convert-links --page-requisites --no-directories --no-host-directories -erobots=off http://domain.tld/webpage.html

在Wget手册页中：

实际上，要下载一个页面及其所有必要条件（即使它们存在于单独的网站上），并确保全部内容在本地正确显示，除“ -p”外，该作者还喜欢使用一些其他选项：

wget -E -H -k -K -p http://www.example.com/

另外以防万一robots.txt您不允许添加-e robots=off

该wget命令提供了option --mirror，它的作用与以下命令相同：

$ wget -r -N -l inf --no-remove-listing

您还可以投入使用-x以创建站点的整个目录层次结构，包括主机名。

如果您未使用最新版本，wget则可能找不到。

听起来好像是wgetFirefox没有解析CSS的链接以将这些文件包括在下载中。您可以通过以下方法解决这些限制，并为下载的文件中的任何CSS或Javascript提取链接编写脚本，以生成丢失的文件列表。然后，wget在该链接列表上进行第二次转换，可以捕获所有丢失的内容（使用该-i标志来指定列出URL的文件）。

如果您喜欢Perl，则CPAN上有一个CSS :: Parser模块，可以为您提供一种以这种方式提取链接的简便方法。

请注意，wget仅解析某些html标记（href/ src）和css uris（url()）以确定要获取哪些页面要求。您可能会尝试使用DOM Inspector或Firebug之类的Firefox插件来确定是否通过Javascript添加了未获取的第三方图像-如果是这样，则需要借助脚本或Firefox插件来获取它们太。

我进行Webtography的目的类似：https ://webjay.github.io/webtography/

它使用Wget并将站点推送到GitHub帐户上的存储库。

我使用以下参数：

--user-agent=Webtography
--no-cookies
--timestamping
--recursive
--level=1
--convert-links
--no-parent
--page-requisites
--adjust-extension
--max-redirect=0
--exclude-directories=blog

https://github.com/webjay/webtography/blob/master/lib/wget.js#L15-L26