如何在本地磁盘实现类似wget --mirror的网站必要文件提取功能？

下面是几种在本地磁盘上实现类似wget --mirror功能的简单方案：

• 用rsync做本地目录镜像
  这是最直接的本地同步方式，能完整复制源目录结构，同时自动剔除不必要的文件：

  rsync -av --delete /Users/WGroleau/源网站目录/ /目标备份目录/
  

  参数说明：-a保留文件权限、时间戳等属性，-v显示同步过程，--delete删除目标目录中源目录不存在的文件，确保目标目录和源目录完全一致。

• 用find+cp筛选必要文件
  如果明确知道网站依赖的文件类型（比如网页、脚本、样式、图片），可以精准筛选复制：

  find /Users/WGroleau/源网站目录 -type f \( -name "*.html" -o -name "*.js" -o -name "*.css" -o -name "*.jpg" -o -name "*.png" -o -name "*.gif" \) -exec cp --parents {} /目标备份目录 \;
  

  --parents参数会保留原文件的目录层级，保证网站内的路径引用不会失效。

• 临时本地服务器配合wget
  快速启动轻量服务器绕开file://协议限制：

  • Python 3环境：

    cd /Users/WGroleau/源网站目录
    python3 -m http.server 8000
    

  • 另开终端执行wget镜像：

    wget --mirror http://localhost:8000
    

  如果8000端口被占用，换用其他端口（比如8080）即可。

你通过删除Windows缩略图数据库和Original_Scans目录将体积从10GB压缩到600MB，且远程站点功能正常，这是非常高效的精简方式。另外你提到用wget --mirror下载副本时部分JS和图片未被获取但网站仍能运行，这是因为网站具备一定容错机制，但缺失的按钮图片会影响视觉体验，用上面的方法可以避免这类问题。

内容的提问来源于stack exchange，提问作者WGroleau