最近我迷上了一个特小众的单机游戏，叫《边境旅人》。这游戏贼老，攻略都是十几年前论坛里老哥们一个个字敲出来的。结果我玩到后期，发现那些攻略网站要么打不开了，要么就是论坛服务器直接关了，好多关键信息根本找不到。
当时我就火了，不行，我得把现存的那些零零散散的攻略全都扒下来，自己建个离线资料库。我确定了目标：找到一个现在还能访问的、相对完整的英文维基站，然后把里面几百个页面全部变成我自己的本地文件。
第一次尝试：简单粗暴的失败
我一开始想得简单。不就是下载网页吗？我打开了浏览器，找到了那个维基站，开始一页一页地复制粘贴。干了差不多十五分钟，手都快抽筋了，一看成果，文字格式乱七八糟，图片一张都没带过来。这招不行，太慢，效率为零。
我又换了个思路，用浏览器的“打印到PDF”功能。结果更糟，虽然能生成PDF，但侧边栏、广告、网站的抬头，全都给我原封不动地打印进去了。一个关键步骤的攻略，可能要占三页纸，密密麻麻的根本没法看，排版完全毁了。
我折腾了一下午，意识到这种简单方法根本搞不定大批量、结构复杂的网页内容。必须动用“黑魔法”了。
启动攻略批量抓取计划
我跑去几个技术论坛里翻，看看那些爬虫老哥们都是怎么干活的。专业工具太复杂，我不想为了下载几篇攻略去学一套Python。我锁定了一个浏览器扩展工具，这东西牛，它能模拟人访问网页，但又不带走那些没用的排版元素。
- 第一步：我先跑到浏览器商店里，找到了这个工具（名字就不说了，怕你们说是广告，反正功能是批量网页存档）。安装好，重启浏览器。
- 第二步：打开维基的“主目录”页面，我点开了那个扩展工具的设置面板。这里是关键，我调整了抓取深度，选择了“三层链接深度抓取”，让它不仅抓当前页，还要顺着链接往下挖三层。
- 第三步：设置输出格式。这回我没选PDF，我选了“单文件HTML包”，这样图片和文字都能打包在一起，方便后面编辑。
- 第四步：我点了“启动深度分析和下载”。电脑风扇一下子转了起来，CPU占用率直接飙满。我看着它在后台疯狂地跑，一个小时内，它访问了几百个链接，生成了一个巨大的压缩包。
我解压开那个包，看到了上百个单独的HTML文件。虽然数量是对了，但这“黑魔法”也不算完美。它把所有的攻略内容都扒下来了，但同时还带回来一大堆没用的东西，比如维基的“用户注册页面”、“捐赠页面”，甚至还有一些已经失效的外部链接页面，它也给存进来了。
我花了差不多半天时间，打开这些HTML文件，删掉那些垃圾内容，再用软件把剩下的有效文件合并成一个清爽干净的PDF手册。虽然中间又动了手脚，但至少我实现了把整个攻略站搬回家的目标。我手机里躺着这套独家离线攻略，坐地铁也能随时查阅了。这就是我最近折腾的全部记录，希望对你们找那些快失传的资料时能有帮助。