如何使用Python调用wget将本地HTML网页转换为MHTML格式

首先需要纠正你的思路：wget是用于网络资源下载的工具，本身不支持解析本地HTML关联资源并导出MHTML格式，也没有必要用它读取本地文件。以下是两种可直接在Python中实现的可行方案：

方案1：无头浏览器生成（兼容性最优，推荐） #

利用Chrome/Edge浏览器原生支持导出MHTML的能力，完全复刻你直接打开网页的显示效果，不会出现资源加载遗漏、样式错乱的问题。

步骤1：安装依赖 #

pip install selenium webdriver-manager

步骤2：代码实现 #

from selenium import webdriver
from selenium.webdriver.chrome.options import Options
from selenium.webdriver.chrome.service import Service
from webdriver_manager.chrome import ChromeDriverManager
import os

# 配置无头Chrome参数
chrome_options = Options()
chrome_options.add_argument("--headless=new")
chrome_options.add_argument("--disable-gpu")
chrome_options.add_argument("--allow-file-access-from-files")  # 允许读取本地资源

# 启动浏览器
driver = webdriver.Chrome(service=Service(ChromeDriverManager().install()), options=chrome_options)

# 本地HTML文件转file协议URL
local_html_path = os.path.abspath("mypage.html")
file_url = f"file://{local_html_path}"

# 加载网页
driver.get(file_url)
# 等待所有资源加载完成，可根据页面复杂度调整时长
driver.implicitly_wait(5)

# 导出MHTML
mhtml_content = driver.execute_cdp_cmd("Page.captureSnapshot", {"format": "mhtml"})['data']

# 保存到本地
with open("output.mhtml", "w", encoding="utf-8") as f:
    f.write(mhtml_content)

driver.quit()

说明 #

• 如果你用Edge浏览器，把Chrome相关的导入替换为Edge即可，webdriver-manager会自动适配对应驱动
• 生成的output.mhtml是单文件，所有CSS、JS、图片资源都已内嵌，可直接用浏览器打开，也可作为邮件附件发送

方案2：纯Python库生成（无浏览器依赖） #

如果不想安装浏览器，可使用py-mhtml库手动解析关联资源并打包，适合结构简单、无动态JS生成内容的页面

步骤1：安装依赖 #

pip install py-mhtml

步骤2：代码实现 #

from mhtml import MHTML
import os

m = MHTML()
# 添加主HTML文件
m.add_file(os.path.abspath("mypage.html"), "text/html")
# 遍历资源文件夹添加所有关联资源
resource_dir = "mypage_files"
for root, dirs, files in os.walk(resource_dir):
    for file in files:
        file_path = os.path.join(root, file)
        # 自动判断资源类型，也可手动指定
        if file.endswith(".css"):
            mime_type = "text/css"
        elif file.endswith((".png", ".jpg", ".jpeg", ".gif")):
            mime_type = f"image/{os.path.splitext(file)[1][1:]}"
        elif file.endswith(".js"):
            mime_type = "application/javascript"
        else:
            mime_type = "application/octet-stream"
        m.add_file(file_path, mime_type)

# 导出MHTML
with open("output.mhtml", "wb") as f:
    f.write(m.generate())

说明 #

• 该方案对动态JS生成的内容无法识别，适合静态页面使用
• 复杂页面可能出现样式、资源引用错误，优先推荐方案1

内容的提问来源于stack exchange，提问作者ℕʘʘḆḽḘ