إجابة سريعة: للحصول على صفحة ويب مباشرة، قم بالمسح الضوئي باستخدام GrabAll وانسخ روابط الملفات المكتشفة. بالنسبة إلى HTML المحفوظ أو كود المصدر المنسوخ، قم بلصقه في Bulk File URL Extractor. قم بتوفير عنوان URL الأساسي عندما يحتوي المصدر على روابط نسبية.
اختر بين مسح الصفحة وتحليل HTML الملصق
يمكن أن يؤدي مسح صفحة ويب محملة إلى العثور على الملفات المتوفرة في المتصفح، بينما يقرأ المستخرج عبر الإنترنت فقط HTML أو النص الذي قمت بلصقه. اختر الطريقة التي تطابق نقطة البداية، ثم راجع عناوين URL الناتجة قبل استخدامها للتنزيلات.
أين تظهر عناوين URL للملفات في HTML
تستخدم الروابط العادية href، بينما تستخدم الصور والوسائط بشكل شائع src. يمكن للصور المستجيبة سرد العديد من المرشحين في srcset. غالبًا ما تقوم مكتبات التحميل البطيء بتخزين عناوين URL الحقيقية في data-src أو data-original أو سمات البيانات المخصصة.
قد تشير أوراق الأنماط وCSS المضمنة إلى الخلفيات من خلال url(). يمكن أن يحتوي النص الخام أيضًا على عناوين URL كاملة غير مرفقة بعنصر HTML.
- روابط href
- سمات src والملصق
- مرشحو srcset وdata-srcset
- قيم CSS url() والمطلقة الأولية عناوين URL
حل المسارات النسبية بشكل صحيح
قيمة مثل ../files/report.pdf لها معنى فقط بالنسبة للصفحة التي جاء منها HTML. قم بتوفير عنوان URL للصفحة الأصلية كقاعدة حتى يتمكن المستخرج من تحويل المسارات النسبية إلى عناوين كاملة.
الروابط النسبية للبروتوكول التي تبدأ بـ // ترث عادةً HTTPS على موقع آمن الصفحة. المسارات النسبية التي تبدأ بـ / تستخدم أصل موقع الويب الحالي.
- احتفظ بعنوان URL الأصلي لصفحة المصدر
- استخدمها كعنوان URL الأساسي
- تطبيع المسارات المرتبطة بالبروتوكول والمسارات النسبية للجذر
- راجع المجالات التي تم حلها قبل استخدام القائمة
تصفية عناوين URL المرشحة حسب الهدف
ليس كل عنوان URL في التعليمات البرمجية المصدر هو أصل قابل للتنزيل. تحتوي الصفحات على روابط التنقل وواجهات برمجة التطبيقات والتحليلات والخطوط والبرامج النصية وأوراق الأنماط ومعلمات التتبع. قم بالتصفية حسب الامتدادات ذات الصلة وافحص عناوين URL الغامضة.
بالنسبة للصور، قم بتضمين التنسيقات الحديثة مثل WebP وAVIF. بالنسبة للمستندات، فكر في ملفات PDF وDOCX وXLSX وCSV وPPTX والأرشيفات وفقًا للمهمة.
مصدر HTML مقابل الصفحة المعروضة
يمثل المصدر المنسوخ ما قمت بتوفيره فقط. قد تفوته الموارد المدرجة بعد تشغيل JavaScript، أو المحتوى الذي تم تحميله بعد التمرير، أو عناوين URL التي تم إنشاؤها أثناء التفاعل.
استخدم المستخرج دون اتصال لمقتطفات المصدر وHTML المصدرة وقوالب البريد الإلكتروني ومراجعة التعليمات البرمجية. استخدم امتداد GrabAll للصفحة المعروضة مباشرة وسير عمل سياق المتصفح.
التحقق من الصحة قبل التنزيل
قم بإلغاء تكرار القائمة وفحص المجالات واختبار عينة صغيرة. لا يضمن الامتداد المطابق في عنوان URL صحة الاستجابة أو أنه مصرح لك باستخدامها.
تجنب طلب قوائم كبيرة لم تتم مراجعتها تلقائيًا. يمنع التحقق من صحة الروابط المعطلة، ونقاط نهاية التتبع غير المرغوب فيها، والتحميل غير الضروري.
الأسئلة المتداولة
هل يمكن للمستخرج حل ../ قريب الروابط؟
نعم، عندما تقدم عنوان URL للصفحة الأصلية كعنوان أساسي.
هل يتضمن استخراج HTML صور srcset؟
تقوم أداة GrabAll بالتحقق من سمات المصدر والصورة المستجيبة الشائعة، بما في ذلك مرشحات srcset.
لماذا تكون بعض ملفات الصفحة المباشرة مفقودة من HTML المنسوخ؟
قد تضيفها JavaScript بعد تحميلات HTML الأولية. استخدم امتداد المتصفح المباشر لمحتوى الصفحة المعروض والمحمل ديناميكيًا.
هل جميع عناوين URL المستخرجة آمنة للتنزيل؟
لا. قم بمراجعة المجالات وأنواع الملفات والأذونات وعينة صغيرة قبل استخدام قائمة النتائج.
يقوم GrabAll بمسح الصفحة ويجمع الصور والمستندات والوسائط والملفات الأخرى القابلة للتنزيل في قائمة واحدة واضحة، حتى تتمكن من اختيار ما تريد حفظه بالضبط.