Wget/httrack 爬取整站资源

[root@localhost ~]# yum install -y wget
[root@localhost ~]# wget -c -r -npH -k -nv http://www.baidu.com

参数说明
-c：断点续传
-r：递归下载
-np：递归下载时不搜索上层目录
-nv：显示简要信息
-nd：递归下载时不创建一层一层的目录,把所有文件下载当前文件夹中
-p：下载网页所需要的所有文件(图片,样式,js文件等)
-H：当递归时是转到外部主机下载图片或链接
-k：将绝对链接转换为相对链接,这样就可以在本地脱机浏览网页了
-L:     只扩展相对连接，该参数对于抓取指定站点很有用，可以避免向宿主主机

wget.exe -d -S -O - http://lyshark.com # 显示请求和响应的headers
wget -c -r -npH -k -nv http://lyshark.com # 爬取整个页面
--user-agent="Mozilla/5.0 (Windows; U; Windows NT 6.1; en-US) AppleWebKit/534.16 (KHTML, like Gecko) Chrome/10"

[root@localhost ~]# yum install -y httrack
[root@localhost ~]# httrack "https://www.baidu.com" -o "/root" "+*.https://www.baidu.com*" -v

yum install -y yum-utils device-mapper-persistent-data lvm2
docker pull scrapinghub/splash
docker run -d -p 8050:8050 scrapinghub/splash