Aspiration de sites avec httrack

httrack est un célèbre aspirateur de sites web.

Le forum et la documentation d'Ubuntu-FR, de même que tous sites volumineux, ne doivent pas être aspirés automatiquement, sous peine de mise blocage de votre adresse IP par le site. L'aspiration de sites doit respecter une certaine éthique et doit être utilisée uniquement lorsqu'il y a un besoin d'accéder à certains contenus hors lignes. L'aspiration de sites exploite bien des ressources matérielles du site que vous téléchargez. Demandez l'autorisation au webmaster avant de procéder! N'oublions pas aussi que ça relève toujours de la proprieté intellectuelle.

Il existe 2 versions de httrack :

• La version de base : installez le paquet httrack (dépôt Universe).
• La version graphique, qui va utiliser votre navigateur préféré : installez le paquet webhttrack (dépôt Universe).

Votre navigateur doit être fermé avant de lancer webhttrack.

Nous allons nous intéresser ici à la version graphique, disponible dans le menu Applications ⇒ Internet ⇒ « WebHTTrack Website Copier »

webhttrack

Votre navigateur ouvre alors un nouvel onglet.

• Choisissez la langue (Français).
• Faites « Suivant ».
• Choisissez le nom du projet, la catégorie et surtout le dossier.
• Choisissez « Copie Automatique de Site-web », et entrez l'adresse du site dans la case.
• Faites « Suivant » puis « Terminer ».
• C'est fait !

Des options plus avancées sont disponibles. N'hésitez-pas à expérimenter ! Par exemple, si vos sites aspirés présentent des défauts dans les images téléchargées, cela peut venir du nombre de connexions - options, onglet contrôle du flux - trop importantes. Ramener à 2 ou 1.

Crée un miroir:

httrack --mirror http://www.monsite.com

Mettre à jour le projet courant:

httrack --update

Nettoyage du cache et fichier log:

httrack --clean

• Site officiel