有时我想存档一个站点。也许这是重要的事情，或者网站可能要下线了。我经常努力编造正确的 Wget 命令，所以我把它记录在这里以供将来参考。
wget --adjust-extension \ --convert-links \ --mirror \ --no-parent \ --page-requisites \ --restrict-file-names = windows \ --trust-server-names \ "https://example.com/tutorials"
那是基本命令。如果你想包含所有第三方依赖项，你可能还需要--span-hosts ；如果你想包含来自某些域的资产，你可能还需要--domains = cdn.example.com 。
标志说明
--adjust-extension
这可确保某些文件类型以通用扩展名结尾。例如带有.html的 HTML 带有.css的 CSS 和类似的。不幸的是，这并没有调整所有下载的文件，但提供了一些改进。使用通用扩展有助于从通用 Web 服务器提供内容，这些服务器将根据扩展设置Content-Type标头。
--convert-links
将内容中的链接更新为相关链接。例如，如果页面包含<a href= https://example.com/foo >将被转换为<a href= foo >以便在浏览存档时按预期工作。它还会将尚未存档的链接转换为绝对链接，以便它们继续工作。
--mirror
这会打开一些推荐用于镜像的选项。有关详细信息，请参见手册页。
--no-parent
防止对根 URL“之上”的顶级页面进行归档。例如，如果归档https://example.com/music链接到https://other.example将不会被跟踪，并且到/work的链接将不会被跟踪。请注意，这不会阻止归档页面要求。因此，如果https://example.com/music/player加载/js/music-player.js ，即使该文件位于根目录之上，该文件仍将被下载。
--page-requisites
下载显示页面所需的文件。例如图像、JavaScript 和 CSS。请注意，Wget 不执行 JavaScript，因此不会找到动态加载的资源。
--restrict-file-names
默认情况下，Wget 会将文件保存到任何 URL 路径。这不适用于所有网络服务器。除了文件名限制外，许多人在请求文件之前会去掉一个查询字符串，例如?v=123 。这意味着如果 Wget 保存example.css?v=123它将实际上无法访问。
我使用windows是因为它是内置的并且似乎涵盖了最重要的情况。
--trust-server-names
此标志更改 Wget 在遇到重定向时命名文件的方式。默认情况下，它根据初始 URL 进行保存，这使其根据最终 URL 进行保存。这很有用，因为 Wget 如何处理在解析任何重定向后以相同 URL 结束的多个 URL。默认情况下，它会选择一个随机的初始 URL 并重写指向该 URL 的所有链接，这可能会导致出现奇怪的 URL。例如 WordPress 站点有指向/index.html?p=985的链接，该链接重定向到常规帖子 URL。通常 Wget 最终会选择其中之一并重写所有链接以指向它，这很不雅观。
其他选项
我不知道任何其他用于全站点存档的简单选项。一种有趣的方法是使用AssetGraph之类的东西来获取站点。它有一个更强大的分析引擎（包括解析脚本），可以捕获更多动态 URL 引用，以及一个可编写脚本的类似 AST 的引用，可以更好地清理网站（例如合并具有不同参数但相同内容的 URL） .