website-downloader
Descargar sitios web completos para análisis offline — scraping batch de sitios enteros.
Informações da origem
- Repositório
- Ntizar/MasterMind
- Última atividade na origem
- 4 de setembro de 2026 às 10:27
- Idioma detectado do SKILL.md
- Indeterminado
- Estrelas
- 2
- Forks
- 0
Opções de instalação
Por padrão, está selecionado o prompt que primeiro revisa a origem. Você pode mudar para um comando direto ou baixar uma cópia local.
Revise os arquivos de origem
Leia o SKILL.md e os arquivos complementares exibidos pelo SkillsMP antes de decidir se vai instalar.
Exibindo SKILL.md
SKILL.md
Instruções da origem · Visualização somente leitura- name
- website-downloader
- description
- Descargar sitios web completos para análisis offline — scraping batch de sitios enteros.
- version
- 1.0.0
- tags
- ["downloader","website","scraping","batch","offline","analysis"]
# Website Downloader
## Resumen
Descargar sitios web completos para análisis offline — scraping batch de sitios enteros. 4k⭐.
## Repo de referencia
- **GitHub:** `github.com/AhmadIbrahiim/Website-downloader`
- **Lenguaje:** Python
- **Licencia:** MIT
## Instalación
```bash
pip install website-downloader
# o clonar
git clone https://github.com/AhmadIbrahiim/Website-downloader.git
cd Website-downloader && pip install -r requirements.txt
```
## Uso Básico
```python
from website_downloader import WebsiteDownloader
downloader = WebsiteDownloader()
# Descargar sitio completo
downloader.download(
url="https://ejemplo.com",
output_dir="./sites/ejemplo",
max_depth=3,
max_pages=100,
follow_links=True,
save_images=True,
)
# Descargar con filtros
downloader.download(
url="https://docs.ejemplo.com",
output_dir="./docs",
file_types=[".html", ".css", ".js"],
exclude_patterns=["/admin/*", "/login"],
)
```
## Patrones Clave
1. **Multi-depth:** Controlar profundidad de crawl
2. **Filtros:** Excluir paths, tipos de archivo, dominios externos
3. **Preservar estructura:** Mantener árbol de directorios original
4. **Imágenes:** Descargar assets, CSS, JS, imágenes
5. **Análisis offline:** Procesar HTML descargado con BeautifulSoup
## Integración con Mastermind
- Útil para descargar documentación completa para análisis
- Complementa `firecrawl-web-scraping` — descarga local vs API
- Ideal para `static-digest-pipeline` con fuentes locales
- Perfecto para análisis de sitios con `llm-friendly-web-crawler`
## Pitfalls
- **Legal:** Verificar términos de servicio antes de descargar
- **Tamaño:** Sitios grandes pueden ocupar GBs
- **Robots.txt:** Respetar robots.txt del sitio objetivo
- **Rate limiting:** Configurar delays entre requests
- **Links rotos:** Algunos recursos pueden no estar disponibles
## Referencias
- [GitHub: AhmadIbrahiim/Website-downloader](https://github.com/AhmadIbrahiim/Website-downloader)
## Comparativa de alternativas
- **[AhmadIbrahiim/Website-downloader](https://github.com/AhmadIbrahiim/Website-downloader)** — usa los flags wget exactos `--mirror --convert-links --adjust-extension --page-requisites --no-parent`; la receta de wget más fiable para descargar un sitio completo como este skill plantea.
Ver no GitHub