尝试下载html页面来创建一个非常简单的网站

Question

我对在python上使用html页面还不熟悉。 我正试图从我的电脑上离线运行BBC网站，我为此编写了一个python代码。 我已经做了一些函数，通过浏览主页上的链接（使用regex）下载网站上的所有html页面。 我有一个本地目录上的所有链接，但它们都称为sub0，sub1，sub2。 如何编辑主页，使其将所有链接指向我的目录中的html页面而不是联机页面？ 同样，这些页面并不是以其原始名称调用的- 所以用本地目录替换域是行不通的。 我需要一种方法，通过在主页上的所有链接，并改变他们的整个路径。你知道吗

Answer 1

我认为最好的方法是创建某种映射文件。该文件将映射BBC站点上的原始URL=>；计算机上文件的路径。当你从主页抓取链接的时候，你可以很容易的生成这个文件。然后，当您想脱机爬网此站点时，只需遍历此文档并访问本地文件路径。或者，您可以在原始主页上爬行，搜索映射文件中的链接，找出它们指向的文件。你知道吗

这种方法有一些明显的缺点，最明显的是更改下载页面的目录结构/文件名会破坏爬网。。。你知道吗