如何优雅的扒网站——工具篇
在上一篇文章里本人介绍了扒网站的入门知识。可以说是仿站的必备知识。不过，在实战中没必要所有的页面都要全部手动去操作处理，完全可以借助大牛们写好的工具。网上搜索仿站工具或扒站工具能找到一堆，我就不一一介绍了。今天就分为两个部分来讲一讲扒站工具，第一部分是针对单页面的，第二部分是针对整站的。不要以为有了整站下载工具第一部分就可以跳过。目前为止我还没有找到一款完美的整站下载工具，大部分都要很繁锁地处理代码。所以除非页面很多，不然真不如单个页面分别抓取更快捷一些。
第一个工具是抓取单网页的。
每个软件的名称不一样，但是使用方法都是大同小异。我在这里就拿这个仿站工具举例了。首先打开软件，添加要抓取的网页地址，再点击下一步。
然后，选择好存放站点文件的目录，点击开始下载，等待下载完成即可。
到这一步已经完成，打开选择的存放目录，你需要的文件已经按image,css,js分类好了，其中image是页面引用的图片，picture是css中引用的图片。是不是soeasy.
第二部分是整站下载
感觉整站下载是个高大上的手段，能把别人的网站整个剽窃下来。不过下面的步骤可能会令你有些失望。因为我使用的这个工具有太多不尽人意之处，比如说html,css,js没有美观的分类，html命名莫名地冗长，背景图片的无端丢失，还有软件商植入的标签痕迹。带着这些问题点我们要一一解决掉。
先给这个工具来个特写吧，我是没有花钱直接下载的注册版，估计花钱购买的会更好用一些。
首先在菜单栏，依次选择文件-新建项目向导，在弹出框里点击下一步。
然后，还是傻瓜式的操作。填写上要抓的网站地址，当然是写网站首页。链接深度不用管用默认的3就可以，接着点下一步。
接下来还是下一步，如果有账号密码就填上，没有就忽略。
一路点完成后，会提示选择存放路径。然后配置步骤就算完成了。然后激动人心的时刻来了，点击工具栏的三角图标。整站下载就开始了，等一两分钟，提示下载完成。
不要以为这就算结束了，这才刚刚开始。你也看到了，所有文件都放在一个目录里。而且我已经按照类型排序，还是如此混乱。幸好是只有两个页面，如果多的话那要乱成什么样子。下面的工作就是处理我一开始说的各种问题，包括统一命名。因为如果有子页面的话，他会用特别长的字符来命名。
1. 按类型分类。
按类型分类是个很好的习惯，强列建议把这一步放在第一位，谨记分类后把页面的引入路径批量调整下。
2．使用正则去掉tppabs标记
如果你用的工具没有这种流氓行为那么可以忽略这一步。如果有那么我们就需要使用正则来批量替换了。这应该是特别简单的正则了，具体语句和替换方式请根据使用工具和文本编辑软件来使用，这里以sublime作参考，tppabs=”[^”]+”。
3．使用脚本下载css中的背景图片。
上面提到过了，这个工具会漏掉css文件中的背景图片文件。那么我们就需要单独写个脚本来下载图片了。至于用什么脚本看你擅长什么了。我用的是php，所以用php脚本作参考。同第一步一样，下载好以后，记得把引入的文件路径与实际路径对应上。
$root_url = \'http://m.enjoyfin.com/statics/css/\'; //原存放css文件的根目录 $pic_bac = \'http://m.enjoyfin.com/statics/\'; //原存放背景图片的根目录 $webs = array( \'style.css\', \'swiper.css\' ); echo "<pre>"; foreach($webs as $k=>$v) { $url = $root_url.$v; $contents = file_get_contents($url); if(preg_match_all("/background:url\(\.\.\/(.+)\)\s+no-repeat/",$contents,$new)){ //print_r($new[1]); foreach ($new[1] as $key => $value) { $pic_url = $pic_bac.$value; $new_url = \'./images/\'.substr(strrchr($value, \'/\'), 1); echo "<br>"; $content = file_get_contents($pic_url); file_put_contents($new_url,$content); echo $new_url; } }else{ echo \'未找到\'; } }
4．批量命名文件
不嫌麻烦的话手动重命名未尝不可，我在这里只是提供一个思路，肯定会有更好的方法。
首先打开cmd,进入存放html文件的目录，使用dir /b>abc.xls 命令把所有文件导出到abc.xls的excel表格里。然后，使用分列，合并等等方法，把每一条内容变成
rename "index.php-m=content&c=index&a=show&catid=9&id=9.htm" "catid=9id=9.htm" // 重命名文件
类似这样一条命令，再把命令脚本全都放在一个记事本里，保存成bat拓展名的可执行脚本放在Html文件目录，双击执行就ok了。当然还有关键的一步，把html文件中的引入路径，链接路径批量替换一下。
以上就是抓取单页面和整站使用工具的方法，如果任性可以去购买收费软件。如果穷逼或是练手，那么不妨一试吧。