HTTrack
HTTrack是一个自由、开源的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通用公共许可协议（GPL）下发布。
 | |
| 开发者 | Xavier Roche[1] |
|---|---|
| 当前版本 | 3.49-2（2017年5月20日[2]） |
| 源代码库 | |
| 编程语言 | C语言 |
| 操作系统 | Microsoft Windows, Mac OS X, GNU/Linux和FreeBSD |
| 类型 | 离线浏览、网络爬虫 |
| 许可协议 | GNU通用公共许可协议 |
| 网站 | www |
用户可以通过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。它还集成有帮助系统。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Applet、Flash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则无能为力。
安装与使用
编辑在许多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
编辑
脚注
编辑- ^ Credits: Greetings & authors. [2012-10-26]. （原始内容存档于2020-04-29）.
- ^ 存档副本. [2012-10-26]. （原始内容存档于2012-10-25）.
- ^ Httrack Users Guide. [2012-10-26]. （原始内容存档于2012-10-26）.