本文的目的就是告诉你如何像爬虫一样以递归的方式收集网页上所有的URL链接,并逐个下载,这样我们就能下载整个网站所有的页面。
当然,我们不会空手去屠龙,我们需要一点小道具,她就是wget.(wget有很多强大的选项,用法非常灵活,请大家自己wget --help下)
要实现这个任务,可以按照下面的方式使用选项--mirror:
或者
wget -r -N -l DEPTH url
其中,-l 指定页面层级DEPTH,即wget只会向下遍历指定的页面级数。这个选项要与 -r 一同使用。另外 -N 允许对文件使用时间戳,url 表示下载的网站起始地址。