直接保存“查看页面源代码”标签页内容（ctrl+u → ctrl+s）才是获取服务端原始html的正确方式，因其保留doctype、注释、未执行模板等结构信息；而document.outerhtml或“另存为”得到的是浏览器渲染后的dom快照，已失真。
直接保存“查看页面源代码”标签页的内容，才是最接近原始 HTML 的方式；用 document.documentElement.outerHTML 或“另存为完整网页”得到的都不是服务端发出的那份源码。
怎么拿到服务端返回的原始 HTML 源码
关键在于区分「服务器发来的 HTML」和「浏览器渲染后生成的 DOM」。前者含 doctype、注释、未执行的模板、服务端注入的占位符；后者是 JS 运行后修改过的快照，已丢失结构信息。
- 正确做法：右键页面 → 选“查看页面源代码”（或按
Ctrl+U/Cmd+U），在新开的纯文本标签页里按Ctrl+S保存，文件名必须带.html后缀，保存类型选“所有文件” - 错误做法：在原网页标签页里点“另存为”，即使选了“网页，仅 HTML”，Chrome/Edge 实际仍可能写入浏览器自动修正的版本（比如补全缺失的
） - 注意：Firefox 的“查看页面源代码”更忠实于原始响应；Chrome 有时会做轻量解析（如解码实体字符），但不影响主体结构
curl 和 wget 命令导出时要注意什么
命令行工具能绕过浏览器干预，拿到最干净的 HTTP 响应体，但默认不带 User-Agent，容易被拦截或返回 403。
- 基础命令：
curl -o page.html https://example.com，wget -O page.html https://example.com - 必须加请求头伪装，否则很多网站拒绝响应：
curl -H "User-Agent: Mozilla/5.0 (Windows NT 10.0; Win64; x64)" -o page.html https://example.com - 若目标页有重定向，加
-L参数让 curl 跟跳：curl -L -H "User-Agent: ..." -o page.html https://example.com - 不建议用
wget --convert-links导出单 HTML —— 它专为离线浏览设计，会重写链接路径，污染原始结构
Python requests 下载时为什么经常拿不到真实内容
不是代码写错，而是服务端根据请求特征做了差异化响应：JS 渲染页返回空壳、反爬策略返回验证码页、CDN 根据 UA 返回不同版本。
- 检查响应状态：
response.status_code是 200 不代表内容有效，要确认response.text是否含预期标签（如<title></title>） - 务必设置
User-Agent，部分站点还校验Accept和Accept-Language头 - 静态页可用
requests；若页面依赖 JS 加载核心内容（如 React 路由页），requests只能拿到骨架，此时必须换Selenium或Playwright - 编码问题常见：
response.encoding可能被误判，建议显式用response.content.decode("utf-8")或response.apparent_encoding
为什么 document.outerHTML 不适合当源码导出依据
它输出的是当前内存中 DOM 的序列化结果，和原始 HTML 有本质差异：doctype 丢失、注释被删、属性顺序重排、自闭合标签展开（<img> → <img>），且无法还原服务端条件渲染逻辑。
- 典型误用场景：在控制台执行
copy(document.documentElement.outerHTML)，再粘贴保存 —— 这不是源码，是快照 -
fetch(location.href)看似合理，但跨域即失败；同域下也可能因 CSP 或X-Content-Type-Options: nosniff被浏览器拦截 - 如果只是想在自己页面加个“下载本页源码”按钮，且确定同源，可用
fetch+Blob，但必须捕获异常并 fallback 提示
真正需要原始 HTML 时，别信“看起来一样”，得比对 doctype、注释块、script 标签位置和空白字符——这些细节在自动化流程里最容易被忽略，却直接影响后续解析与比对结果。
前端入门到VUE实战笔记：立即使用
在学习笔记中，你将探索 前端 的入门与实战技巧！
