### 如何使用 Python 下载整个网页并保存为本地 HTML 文件以及下载其中的图片 为了完成这一目标，可以通过 `urllib` 或 `requests` 库获取网页内容，并通过 `BeautifulSoup` 解析 HTML 文档来提取和处理图片链接。以下是完整的解决方案： #### 1. 获取网页内容 利用 `requests.get()` 方法可以从指定 URL 中获取网页内容。 ```python import requests def fetch_web_content(url): response = requests.get(url) if response.status_code == 200: return response.text else: raise Exception(f"Failed to retrieve content from {url}. Status code: {response.status_code}") ``` 此函数会返回网页的原始 HTML 内容[^2]。 #### 2. 创建本地 HTML 文件 将获取到的 HTML 数据写入本地文件中。 ```python def save_html(file_name, html_content): with open(file_name + ".html", "w", encoding="utf-8") as file: file.write(html_content) ``` 注意编码设置为 UTF-8，以支持中文字符或其他特殊字符[^4]。 #### 3. 提取并下载图片 借助 `BeautifulSoup` 来解析 HTML 并找到所有的 `<img>` 标签及其对应的 `src` 属性。 ```python from bs4 import BeautifulSoup import os import urllib.parse def download_images(base_url, html_content, output_dir): soup = BeautifulSoup(html_content, 'html.parser') img_tags = soup.find_all('img') if not os.path.exists(output_dir): os.makedirs(output_dir) for img in img_tags: src = img.get('src') if not src: continue full_src = urllib.parse.urljoin(base_url, src) # 处理相对路径 filename = os.path.basename(full_src) try: image_response = requests.get(full_src) if image_response.status_code == 200: with open(os.path.join(output_dir, filename), 'wb') as f: f.write(image_response.content) # 替换 HTML 中的图片路径为本地路径 new_path = os.path.abspath(os.path.join(output_dir, filename)) img['src'] = 'file://' + new_path.replace("\\", "/") except Exception as e: print(f"Error downloading {full_src}: {e}") return str(soup) # 返回修改后的 HTML 内容 ``` 这段代码不仅下载了图片，还替换了 HTML 文件中的图片路径指向本地存储位置[^3]。 #### 4. 综合以上功能 最后一步是调用这些方法并将它们组合起来形成最终的工作流。 ```python if __name__ == "__main__": url = input("Enter the webpage URL you want to download: ") base_output_dir = "./downloaded_page" try: web_content = fetch_web_content(url) updated_html = download_images(url, web_content, base_output_dir) save_html("index", updated_html) print("Webpage and images have been successfully downloaded.") except Exception as err: print(err) ``` 这样就实现了从网络抓取网页、保存成本地 HTML 文件的同时也完成了对页面内嵌资源（如图片）的同步下载与替换工作流程[^1]^。 ---