代码拉取完成,页面将自动刷新
同步操作将从 general/site-mirror-py 强制同步,此操作会覆盖自 Fork 仓库以来所做的任何修改,且无法恢复!!!
确定后同步将在后台操作,完成时将刷新页面,请耐心等待。
这是一个通用的爬虫, 整站下载工具, 可以下载包括页面, 图片, css样式及js文件的所有资源, 并存储到本地指定目录下.
python版本: 3.7
完成后可以通过仓库中的docker-compose.yml
启动一个nginx容器从本地访问.
注意: 本工具只能下载静态页面, 对于通过js动态加载的内容无能为力(比如bilibili), 一般只限于文章, 图片, 新闻资讯等网站.
安装依赖
pip install -r requirements.txt
修改main.py
入口程序, 主要是两个配置项
其他配置项见crawler/config.py
.
同类的golang版本见
实现逻辑相同.
效果截图
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。