跳转到内容

HTTrack

本页使用了标题或全文手工转换
维基百科,自由的百科全书
HTTrack
HTTrack启动时的画面
開發者Xavier Roche[1]
当前版本3.49-2(2017年5月20日,​7年前​(2017-05-20[2]
源代码库 編輯維基數據鏈接
编程语言C语言
操作系统Microsoft Windows, Mac OS X, GNU/LinuxFreeBSD
类型离线浏览网络爬虫
许可协议GNU通用公共授權條款
网站www.httrack.com

HTTrack是一个自由开源网络爬虫以及离线浏览器。它的作者是泽维尔·罗奇(Xavier Roche),在GNU通用公共授權條款GPL)下发布。

使用者可以通过HTTrack把互联网上的网站页面下载到本地计算机上。在默认设置下,HTTrack对网站页面的下载结果是按照原始站点相对链接的结构来组织的。用网页浏览器打开这个被下载下来的网站(也称作镜像)的页面,就可以离线浏览了。

HTTrack也能对已经镜像过的站点进行更新。或者是对中断了的工作断点续传。可以通过选项和过滤器(include/exclude)配置HTTrack的方方面面。它还整合有帮助系统。它有一个基本的命令行版本和两个GUI(为Windows设计的WinHTTrack和为Unix-like系统设计的WebHTTrack);命令行版本可以和Shell脚本(Shell script)以及cron联用。

HTTrack使用网络爬虫下载网站。对于有robots.txt的网站,如果不在程序运行时取消限制,默认设置下的程序不会把网站完全镜像。HTTrack能跟随基本的JavaScript,或者AppletFlash中的链接,但是对于复杂的链接(使用函数和表达式创建的链接)或者服务器端的Image Map英语Image Map则无能为力。

安装与使用

在许多Unix-like系统下,只需要用包管理工具安装httrack即可。例如Debian使用

sudo aptitude install httrack

一个使用例子:

httrack "http://www.all.net/" -O "/tmp/www.all.net" "+*.all.net/*" -v

它的意思是:以http://www.all.net/ 为起始URL,输出到/tmp/www.all.net文件夹,范围是www.all.net域名下的所有文件,并显示所有错误信息(verbose)。更详细的信息请看官网上的Users Guide[3]

参见

脚注

  1. ^ Credits: Greetings & authors. [2012-10-26]. (原始内容存档于2020-04-29). 
  2. ^ 存档副本. [2012-10-26]. (原始内容存档于2012-10-25). 
  3. ^ Httrack Users Guide. [2012-10-26]. (原始内容存档于2012-10-26). 

外部链接