timf34/pagesourceCLI para baixar os JS/CSS/assets reais de sites (não HTML simplificado)
Uma ferramenta CLI em Python que captura todos os recursos carregados por uma página web (como a aba Sources do DevTools do navegador) e os salva com a estrutura de diretórios original.
pip install pagesource
# IMPORTANTE: Instale o navegador Playwright após a instalação do pacote
playwright install chromium
# Capturar todos os recursos de uma página web
pagesource https://example.com
Isso salvará todos os recursos em ./pagesource_output/ com a estrutura de diretórios preservada.
# Especificar diretório de saída personalizado
pagesource https://example.com -o ./meu-output
# Aguardar mais tempo para conteúdo JavaScript (útil para SPAs)
pagesource https://example.com --wait 5
# Incluir recursos externos (assets CDN, scripts de terceiros)
pagesource https://example.com --include-external
# Combinar opções
pagesource https://example.com -o ./output --wait 3 --include-external
pagesource <url> [OPÇÕES]
Argumentos:
url URL da página web para capturar recursos
Opções:
-o, --output CAMINHO Diretório de saída (padrão: ./pagesource_output)
-w, --wait INTEGER Segundos adicionais de espera após o carregamento da página
-e, --include-external Incluir recursos externos (CDN, terceiros)
-v, --version Exibir versão e sair
--help Exibir mensagem de ajuda
Os recursos são salvos preservando a estrutura do caminho da URL:
pagesource_output/
└── example.com/
├── index.html
├── assets/
│ ├── css/
│ │ └── style.css
│ └── js/
│ └── app.js
└── images/
└── logo.png
Se --include-external for usado, os recursos externos são salvos em seus próprios diretórios de host:
pagesource_output/
├── example.com/
│ └── ...
├── cdn.example.com/
│ └── libs/
│ └── library.js
└── fonts.googleapis.com/
└── css/
└── font.css
MIT