timf34/pagesourceCLI zum Herunterladen der eigentlichen JS/CSS/Assets von Websites (nicht abgeflachtes HTML)
Ein Python-CLI-Tool, das alle von einer Webseite geladenen Ressourcen erfasst (wie der Reiter „Quellen“ in den DevTools des Browsers) und sie mit der ursprünglichen Verzeichnisstruktur speichert.
pip install pagesource
# IMPORTANT: Install Playwright browser after package installation
playwright install chromium
# Capture all resources from a webpage
pagesource https://example.com
Dies speichert alle Ressourcen unter ./pagesource_output/ unter Beibehaltung der Verzeichnisstruktur.
# Specify custom output directory
pagesource https://example.com -o ./my-output
# Wait extra time for JavaScript content (useful for SPAs)
pagesource https://example.com --wait 5
# Include external resources (CDN assets, third-party scripts)
pagesource https://example.com --include-external
# Combine options
pagesource https://example.com -o ./output --wait 3 --include-external
pagesource <url> [OPTIONS]
Arguments:
url URL of the webpage to capture resources from
Options:
-o, --output PATH Output directory (default: ./pagesource_output)
-w, --wait INTEGER Additional seconds to wait after page load
-e, --include-external Include external resources (CDN, third-party)
-v, --version Show version and exit
--help Show help message
Ressourcen werden unter Beibehaltung der URL-Pfadstruktur gespeichert:
pagesource_output/
└── example.com/
├── index.html
├── assets/
│ ├── css/
│ │ └── style.css
│ └── js/
│ └── app.js
└── images/
└── logo.png
Wenn --include-external verwendet wird, werden externe Ressourcen in ihren eigenen Host-Verzeichnissen gespeichert:
pagesource_output/
├── example.com/
│ └── ...
├── cdn.example.com/
│ └── libs/
│ └── library.js
└── fonts.googleapis.com/
└── css/
└── font.css
MIT