上周帮朋友迁移一个老企业站，整站三百多页静态HTML，扒站FTP里翻文件翻到手酸。工具他问我有没有办法一次性把整站拖下来，整站我说有，扒站但得看你要什么程度。工具整站扒站工具这玩意儿，整站用好了是扒站效率神器，用歪了就是工具麻烦制造机。

先明确一点：扒站不等于偷站。整站我见过太多人一上来就想着把别人网站连锅端，扒站结果连robots.txt都不看一眼。工具工具本身没立场，整站关键看你怎么用。扒站常见的工具工具有HTTrack、Wget、Teleport Pro，还有Chrome插件类的Save All Resources。HTTrack是我用得最顺手的，开源免费，跨平台，命令行和图形界面都有。

拿HTTrack举例，命令一行就能跑：httrack "https://example.com" -O "./mysite" "+*.example.com/*" -v。这行命令的意思是抓取example.com整个域名下的内容，存到本地mysite文件夹，-v是显示进度。跑起来之后它会自动解析页面里的链接、图片、CSS、JS，一层层往下爬。速度取决于对方服务器响应和你的网速，三百页的站大概十几分钟能搞定。

但别高兴太早。现在很多站是动态渲染的，内容靠JS加载，HTTrack抓下来的可能是一堆空壳。这时候得换Puppeteer或者Playwright写脚本，模拟浏览器行为，等页面渲染完再保存。我去年扒一个用Vue做的文档站，HTTrack抓下来全是

还有个坑是资源路径。扒下来的页面里，链接还是指向原始域名的绝对路径。你本地打开，CSS和图片全挂。HTTrack有个选项叫“重写链接”，能把绝对路径改成相对路径，但有时候会改错，尤其是那些用CDN的站。我一般扒完之后用sed批量替换一遍，把https://example.com/换成./，再手动检查几个关键页面。

说到检查，扒站最耗时的不是抓取，是清理。你抓下来的东西里有一堆用不上的：广告脚本、统计代码、第三方评论系统。这些玩意儿留着只会拖慢本地加载，还容易报错。我习惯用grep先搜一遍google-analytics、doubleclick这类关键词，批量删掉对应的script标签。

另外提醒一句，扒站之前先看对方服务器的承受能力。有些小站跑在共享主机上，你并发开太高，直接把人家CPU跑满，这就不厚道了。HTTrack默认并发是4，我一般降到2，加个--max-rate限速。扒站是体力活，急不得。

最后说个真实案例。之前有个做外贸的客户，想把竞品的产品页全部扒下来做数据分析。我帮他跑了一轮，抓了八千多页，结果发现对方用了Cloudflare的防爬，中间有几百页返回的是验证码页面。后来换了带Cookie的请求头才绕过。所以工具是死的，人是活的，遇到反爬得随机应变。

整站扒站这事，说简单也简单，一行命令的事。说复杂也复杂，动态渲染、路径重写、资源清理、反爬对抗，每一步都有坑。我的建议是：先小范围试，抓个十几页看看效果，没问题再全量跑。别一上来就怼整站，浪费时间不说，还容易把对方服务器搞崩。