Offline Explorer (HTTrack) 完整教程

什么是 Offline Explorer (HTTrack)？

Offline Explorer（其开源版本名为 HTTrack）是一个免费、开源的网站镜像/离线浏览工具,它的核心功能是：

• 下载整个网站或指定网页：你可以让它把一个网站（或网站的一部分）的所有文件（HTML、图片、CSS、JavaScript、视频等）都下载到你的电脑上。
• 创建本地副本：下载完成后，你就可以在没有网络连接的情况下，像浏览正常网站一样，通过浏览器打开这些文件,实现离线浏览。
• 保持网站结构：它会尽可能地保持原网站的目录结构和链接关系,让你在本地浏览时感觉和在在线上一样。

它就像一个“时光机”，可以把一个网站完整地“搬”到你的硬盘里。

主要用途

1. 离线阅读：在飞机、火车、网络信号差的地区，提前下载好新闻、小说、技术文档等,随时随地阅读。
2. 网站备份：备份你自己的网站或你喜欢的网站,以防网站关闭或内容被删除。
3. 内容研究与分析：下载大量网页后，可以使用其他工具进行内容分析、数据挖掘等。
4. 网络抓取：获取特定类型的数据（如图片、文章列表）,为后续处理做准备。

下载与安装

1. 官网下载：访问 HTTrack 官方网站 https://www.httrack.com/
2. 选择版本：
   • Windows: 下载 WinHTTrack 版本。
   • macOS: 下载 MacHTTrack 版本。
   • Linux: 通常通过包管理器安装，如 sudo apt-get install httrack (对于 Debian/Ubuntu)。
3. 安装：Windows 版本的安装过程非常简单，一路点击 "Next" 即可,注意勾选你需要的组件即可。

核心功能详解与使用教程

我们将通过一个最经典的“第一步”项目来学习 HTTrack 的核心功能。

第一步：创建一个新项目

打开 HTTrack，你会看到一个简洁的界面，点击左上角的 "New" (新建) 按钮。

第二步：设置项目基本信息

在弹出的窗口中,填写以下信息：

• Base path (基础路径)：这是你下载的网站文件将要存放的位置。D:\MyWebsiteBackup，HTTrack 会在这里创建一个以项目名命名的文件夹。
• Project name (项目名称)：给你的这个离线项目起个名字，方便识别。我的维基百科离线版。
• Wildcards (通配符)：暂时可以不用管,保持默认即可。

填写完毕后，点击 "Next"。

第三步：设置“行动” - 这是核心！

这是最关键的一步，决定了 HTTrack 如何下载网站，你会看到一个名为 "Action" 的窗口。

• Project type (项目类型)：
  • Mirror Web Site(s) (镜像网站)：最常用的选择，它会下载整个网站，并保持其目录结构，当你更新项目时,它只会下载有变化的文件。
  • Mirror Web Site(s) - enhanced (增强版镜像)：与上一个类似,但提供更多高级选项。
  • Test an existing mirror (测试现有镜像)：检查你已下载的本地网站是否与在线网站同步。
  • Build an offline browser... (构建离线浏览器)：创建一个可以搜索和索引你下载内容的 HTML 页面。
  • Simply copy a site (简单复制)：只下载链接到的文件,不进行复杂的结构分析。

我们选择 "Mirror Web Site(s)"，然后点击 "Next"。

第四步：添加要下载的网址

在 "Enter the project addresses" 窗口中：

• Source URL (源网址)：在这里输入你想要下载的完整网址，https://www.wikipedia.org/。
• Wildcards (通配符)：这里非常强大，可以控制下载的范围。
  • (星号)：匹配任意数量的字符。
  • (问号)：匹配单个字符。
  • (竖线)：排除。
  • (井号)：包含。

常用示例：

• 只下载主域名下的内容，不下载其他网站链接：

  在 "Wildcards" 中输入： (这会排除所有外部链接)。

• 下载主域名，但排除 forum 和 shop 这两个目录：
  • 在 "Wildcards" 中输入：|*.forum/*.shop/* (排除规则用 分隔)。
• 只下载 HTML 页面，不下载图片、视频等：
  • 在 "Wildcards" 中输入： (先排除所有)，然后添加一个包含规则：+*.htm +*.html +*.php +*.asp。

对于新手，建议先不设置 Wildcards，让它自由下载，体验完整功能。

输入网址后，点击 "Next"。

第五步：设置代理与高级选项

• Proxy (代理)：如果你需要通过代理服务器上网，在这里设置，否则,保持默认。
• Advanced Options (高级选项)：点击这个按钮,可以进入更详细的设置。

高级选项 中的常用设置：

1. Set (设置) -> Robot exclusion (Robots.txt)：

   • Respect standard rules：遵守网站的 robots.txt 协议。强烈建议开启,这是对网站服务器的尊重。
   • Ignore all rules：忽略 robots.txt，可能会对服务器造成压力，甚至被封禁。新手不要使用。

2. Set (设置) -> Links (链接)：

   • Maximum links per page：每个页面最多抓取的链接数，默认 -1 (无限制)，对于大型网站，可以设置一个较小的值（如 100）来限制项目大小。
   • Depth (扫描深度)：极其重要的选项！
     • 0：只下载你输入的那个首页。
     • 1：下载首页，以及首页上直接链接到的所有页面（一级链接）。
     • 2：下载首页、一级链接、以及一级链接页面上的所有链接（二级链接）。
     • 以此类推，对于大型网站，深度设置过大会导致下载量巨大,请谨慎使用。

3. Set (设置) -> HTML/JavaScript/CSS...：

   • 这里可以设置是否要下载图片、CSS 样式表、JavaScript 脚本、Flash 等。通常保持默认全部勾选,以确保页面能正常显示。

设置完毕后，关闭高级选项窗口，点击 "Next"。

第六步：开始下载！

最后一步，点击 "Start" 按钮。

HTTrack 会开始分析网址并下载文件，你会看到一个实时的进度窗口,显示：

• Files to add (待添加文件)
• Files added (已添加文件)
• KB/s (下载速度)
• Elapsed/Remaining (已用/剩余时间)

下载完成后,进度窗口会自动关闭。

如何浏览离线网站？

下载完成后，找到你之前设置的 Base path（D:\MyWebsiteBackup），进入项目文件夹（我的维基百科离线版），你会看到一个名为 index.html 或 index.htm 的文件。

直接用你的浏览器（Chrome, Firefox, Edge 等）打开这个 index.html 文件，你就可以像在在线上一样浏览整个网站了！所有链接在本地都是有效的。

高级技巧与常见问题

技巧1：更新已下载的网站

会更新，HTTrack 可以轻松更新你的本地副本。

1. 打开 HTTrack。
2. 点击 "Existing" (现有) 按钮。
3. 从列表中选择你之前创建的项目。
4. 点击 "Next"，然后直接点击 "Start"。

HTTrack 会自动检查远程网站，只下载那些发生变化或新增的文件,非常高效。

技巧2：解决本地链接错误

有时，由于网站结构复杂，本地浏览时可能会遇到 "404 Not Found" 错误，这通常是因为 HTTrack 没能正确解析某些相对链接。

• 检查项目设置：确保在高级选项中，"Links" -> "Advanced" 里的 "Convert absolute links to relative" (将绝对链接转换为相对链接) 选项是勾选的。
• 重新下载：如果问题严重，可以删除旧项目，重新创建一个项目，并在 "Action" 步骤选择 "Mirror Web Site(s) - enhanced",它提供了更智能的链接处理。

技巧3：命令行使用

HTTrack 也支持命令行，适合自动化脚本和高级用户。 基本语法：

httrack "https://www.example.com" -O "D:\MyBackup" -r2 -%v

• -O：指定输出目录。
• -r2：设置深度为 2。
• -%v：显示详细日志。

常见问题

• Q: 下载速度很慢？
  • A: 检查你的网络连接，可以尝试在 "Advanced Options" -> "Network" 中降低 "Max connections per server" (每个服务器的最大连接数)。
• Q: 下载的文件很少，或者页面显示不完整？

  A: 1. 检查 "Wildcards" 设置是否错误地排除了重要文件，2. 检查 "Links" -> "Depth" (扫描深度) 是否设置得太小，3. 检查 "Advanced Options" -> "HTML/JavaScript/CSS..." 中是否勾选了必要的资源类型（如图片）。

• Q: 下载被中断了，如何继续？

  A: 直接点击 "Start" 继续即可，HTTrack 会从断点处继续下载。

注意事项与道德规范

1. 尊重版权：下载仅供个人学习和离线使用,请勿用于商业用途或未经授权的传播。
2. 遵守 robots.txt：务必在高级选项中开启 "Respect standard rules",遵守网站所有者的抓取规则。
3. 不要过于频繁：对同一个网站进行过于频繁或大量的抓取，会给对方的服务器带来巨大负担，可能导致你的 IP 被封禁,合理控制抓取频率和范围。
4. 仅用于合法目的：不要使用该工具进行恶意攻击、窃取数据等非法活动。

希望这份详细的教程能帮助你完全掌握 Offline Explorer (HTTrack)！开始你的离线探索之旅吧！