Il n'est pas recommandé d'aspirer un site web, car cela impose au serveur web une charge importante et il se pose la question du respect de l'équipe qui a mis en ligne le contenu. Il existe cependant un certain nombre de raisons légitimes qui peuvent pousser à réaliser cette opération, comme : - la sauvegarde d'informations qui sont utiles au plus grand nombre ; - la disparition programmée d'un contenu, comme lors de la liquidation d'une entreprise ; - le repartage d'informations dans l'esprit du libre.
Sous Linux, plusieurs programmes permettent de réaliser une aspiration complète d'un site web, et wget est un bon candidat. Il faudra lui adjoindre un certain nombre d'arguments de manière à créer une copie autonome du site web, qu'il sera possible de parcourir avec un navigateur sans serveur web. Nous laissons le soin au lecteur d'ouvrir le man de ce programme. Notons tout de même le user-agent qui est personnalisé de manière à ce que les requêtes ne soient pas filtrées par le pare-feu du serveur web distant.
wget
--mirror
--page-requisites
--convert-links
--adjust-extension
--compression=auto
--no-if-modified-since
--no-check-certificate
--user-agent="Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/155.0.0.0 Safari/537.36"
https://www.exemple.fr
On pourra ajouter l'option --reject-regex pour éviter que le parcours d'un site web interactif se transforme en boucle infinie.