wget --mirror 不能直接完整镜像网站，需额外添加 --page-requisites、--convert-links、--restrict-file-names=windows 等参数，并注意 robots.txt、https 证书、重定向、增量更新及动态内容限制。
wget --mirror 参数组合是否真能完整镜像网站
不能直接用 wget --mirror 就完事。它只是快捷开关，背后等价于 -r -N -l inf --no-remove-listing，但缺了关键项：默认不下载 CSS/JS 里的相对链接资源、跳过非 HTML 文件（如 .woff2、.webp）、忽略 robots.txt 禁止规则——这些都会导致镜像页面错乱或空白。
实操建议：
- 必须显式加
--page-requisites下载内嵌资源（CSS、JS、图片） - 加
--convert-links重写链接为本地可访问路径 - 加
--restrict-file-names=windows避免 Linux 文件名含:或?导致保存失败 - 若目标站有 robots.txt 拒绝爬取，需加
--ignore-robots（注意合规性） - 用
-e robots=off是无效写法，正确参数只有--ignore-robots
如何处理 HTTPS 证书错误和重定向循环
遇到 ERROR: cannot verify example.com's certificate 或反复 301/302 跳转，说明 wget 默认校验证书且对重定向深度敏感。
实操建议：
- 加
--no-check-certificate绕过证书验证（仅限测试或内网环境） - 加
--max-redirect=5防止无限跳转卡死（默认是 20，太高易陷入循环） - 加
--user-agent="Mozilla/5.0"避免被识别为爬虫拦截（部分站点会 403 拒绝 wget 默认 UA） - 若提示
Too many redirects，先手动 curl -I 看响应头，确认是否真存在配置错误的跳转链
怎么避免镜像文件体积爆炸和重复下载
默认 --mirror 不做去重，相同资源（如 logo.png?v=2 和 logo.png?v=3）会被当成不同文件全量下载；而且每次运行都从头抓，没增量更新逻辑。
实操建议：
- 加
--no-clobber防止覆盖已存在文件（但不会跳过已下载的 URL） - 加
-N（即 --timestamping）依赖服务端 Last-Modified 头判断是否更新——前提是目标服务器返回该 header - 用
--delete-after边下边删原临时文件，省磁盘空间（慎用，出错可能丢数据） - 首次镜像后，后续更新建议加
--continue+-N，比全量重跑快得多
镜像完成后怎么本地预览不报错
直接双击 index.html 打开常出现跨域、路径 404、CSS 不生效——因为浏览器 file:// 协议禁用 fetch/XHR，且相对路径在本地文件系统解析规则和 HTTP 不同。
实操建议：
- 别用文件浏览器打开，启动最小 HTTP 服务：
python3 -m http.server 8000（Python 3.7+），然后访问http://localhost:8000 - 确保
--convert-links生效：检查生成的 HTML 中 src/href 是否已改为相对路径（如src="js/app.js"而非src="https://site.com/js/app.js"） - 如果仍有资源 404，用
wget -r -l1 --no-parent -A "*.css,*.js,*.png" https://example.com/单独补抓遗漏类型
最麻烦的其实是动态渲染内容：wget 只抓静态 HTML，Vue/React 渲染的页面主体根本不会出现在源码里，这种站点用 wget 镜像注定失败，得换 Puppeteer 或 Playwright。
