如何下载包含所有依赖项的 HTML 页面？

Question

我正在做这个项目，我基本上需要能够在任何页面上放置一个 html 按钮（可以受登录保护），一旦用户点击该按钮，页面 html 和依赖项（css、js、图片等）应发送到远程服务器。

最初，我通过使用 iframe 和隐藏表单并在用户单击按钮时将页面的 url 发布到远程服务器来使其工作。然后我在 exec 中使用 wget 来获取页面和依赖项。但是，这显然不适用于受保护的页面。

所以我的下一个方法是通过表单将页面的 innerHTML 发送到远程服务器上的 php 脚本。然后我尝试使用 simplehtmldom 运行 , 和 tags ，将相对 url 转换为绝对 url ，将它们存储在数组中，并将 url 替换为同一目录中的路径。然后我在所有数组上应用 wget 并下载了这些依赖项。

但是，我又被卡住了，因为 CSS 中有背景图片，而 javascript 中有嵌入的 html 代码。

有人可以提出更好的解决方案吗？

谢谢

Answer 1

我不确定这是否会奏效。 事实是，除非您的网站确实非常简单（即只有很少的动态部分）并且存在于 click->load->static 范式上，这实际上不再是任何现代网站的工作方式，否则您总是会有一些缺少部分/依赖项。

如果它是一个超级简单的网站，您也许可以只发送 html，然后在副本的头部添加 <base> href？

如您所知，如今的网站更像是应用程序，您确实需要包含所有“活动部件”的整个网站

其他值得一看的东西：

1. 使用PHP/.NET/Java/Ruby等的ftp函数触发 模板/css/img 目录到一个新位置。
2. 也许可以查看 HTML 2 PDF/Canvas 工具，这些工具可以显示 网站当前状态的可视化表示 位置。