网站图片整站批量克隆HTTrack下载2.3GB只有30%是图其余全是HTML和CSS，五种按源站类型对号入座只取图片的方案

一个做电商独立站的朋友前阵子想换供应商，需要把竞品站上几百张产品图全扒下来做视觉对标。他第一反应是上HTTrack，把整站全量克隆到本地。结果跑了三个小时，下载了2.3GB文件，打开一看——HTML有4000多个，CSS和JS堆了600多个，图片才800多张。他真正要的东西只占下载量的不到30%。

这个场景其实特别普遍：你不需要整个网站，你只想要图片。但"整站克隆"和"只克隆图片"之间的差距，很多工具没有给一个直观的选项。于是有人用整站下载器跑了一堆垃圾文件回来，有人在浏览器里一张张右键另存为，还有人在插件里筛选到手软。

图片克隆这件事，关键不在"能不能下"，而在能不能精准过滤掉不要的东西，保留目录结构，按原站分类输出。不同源站类型（静态站、动态渲染站、CDN分离站、图片站）对应的最佳方案完全不一样。

一、HTTrack不是不能用，是你没调过滤规则

HTTrack是整站克隆领域绕不开的名字。开源、跨平台（Windows/Mac/Linux都有对应版本），支持断点续传、代理配置、Cookie注入。但它最大的槽点是默认下载所有文件——HTML、CSS、JS、字体、图片，来者不拒。

很少有人注意到HTTrack的"扫描规则"（Scan Rules）里可以设置文件类型过滤。这个功能藏得比较深，在"Set Options"→"Scan Rules"标签页里，你需要手动添加排除规则。比如只想下载图片，就把HTML、CSS、JS全部排除掉。

# 排除所有非图片文件类型-*.html-*.htm-*.css-*.js-*.json-*.xml-*.txt-*.woff-*.woff2-*.ttf-*.eot-*.svg# 只保留图片格式（加号表示允许）+*.jpg+*.jpeg+*.png+*.gif+*.webp+*.avif+*.bmp+*.ico

另一个实用技巧：在"Limits"里设置最大文件大小。比如只下载500KB以下的图片（通常是缩略图和展示图），超过的直接跳过，这样可以避免把高清原图也拉回来。反过来，如果你就要高清大图，可以设最小文件大小100KB，把图标、装饰图等小文件过滤掉。

二、wget一行命令搞定，适合批量跑和定时任务

如果你不想要GUI界面，或者在服务器上跑定时任务，wget是比HTTrack更轻量的选择。wget本身就支持递归下载，关键是参数组合要对。

核心思路：用 -A 参数限定只接受图片格式，用 -R 排除其他格式，两层过滤确保干净。

# 只下载图片，递归深度5层，保留目录结构wget -r -l 5 -nd -A jpg,jpeg,png,gif,webp,bmp \--wait=1 \--random-wait \--limit-rate=500k \-e robots=off \-U "Mozilla/5.0 (Windows NT 10.0; Win64; x64)" \-P /output/images/ \https://example.com/

几个参数值得解释一下：-nd 是不创建目录层级，所有图片平铺到一个文件夹里。如果你希望保留原站的目录结构（比如按年月/分类分文件夹），把 -nd 去掉就行。--wait=1 --random-wait 是让每次请求间隔1秒且随机浮动，避免触发反爬。--limit-rate=500k 限速500KB/s，别把对方服务器打崩了。

#!/bin/bash# sites.txt 里每行一个URLwhile IFS= read -r url; dodomain=$(echo "$url" | sed 's|https\?://||' | sed 's|/.*||')mkdir -p "/output/$domain"wget -r -l 3 -nd -A jpg,jpeg,png,gif,webp \--wait=1.5 --random-wait \-e robots=off \-U "Mozilla/5.0" \-P "/output/$domain/" \"$url"echo "Done: $domain"done < sites.txt

wget的局限和HTTrack类似：只能抓取HTML源码里直接出现的图片URL。AJAX动态加载的、JS拼接的URL、CSS背景图里的图片，wget也抓不到。但对于WordPress、DedeCMS、帝国CMS这类传统CMS搭建的静态内容型网站，wget的覆盖率达到95%以上。

三、动态渲染站绕不开浏览器插件，ImageAssistant和Fitkun怎么选

前两类工具都基于"解析HTML源码→提取URL→下载"的逻辑。但2026年的网站，大量图片是靠JavaScript动态生成的。商品列表的无限滚动、瀑布流布局、图片懒加载（loading="lazy"）、React/Vue渲染的SPA页面——这些场景下，图片URL根本不在HTML源码里。

浏览器插件的逻辑正好反过来：先让浏览器正常加载页面、渲染完成、图片全部显示出来，然后插件从浏览器内存里把已经加载的图片URL全量提取出来，再批量下载。这就解决了HTTrack和wget最大的盲区。

ImageAssistant适合纯采集场景：打开页面→等加载完→点插件→筛选图片→批量下载，流程简洁。它有一个独特的"嗅探"能力，能抓取网页中用到的所有媒体文件，包括video、audio，不只是图片。

Fitkun更像一个图片全能工具箱。除了批量下载，还集成了图片压缩、格式转换、AI抠图、以图搜图等功能。如果你下载完图片还要做二次处理（比如去背景、统一尺寸、转WebP），Fitkun能一站式搞定，不用再开其他工具。

四、Python脚本：CDN分离站和反爬站点的终极方案

前面三种方案有一个共同前提：图片URL能直接访问。但如果目标网站把图片放在独立CDN域名下、做了Referer校验、加了Token签名、甚至把图片Base64编码嵌在页面里，那前面的工具都可能失灵。

Python脚本的优势在于完全可控：你可以模拟浏览器请求头、处理Cookie/Session、解析JS生成的URL、绕过简单反爬。而且可以针对特定网站结构写定制化的提取逻辑。

import requestsfrom bs4 import BeautifulSoupimport osimport hashlibfrom urllib.parse import urljoindef clone_site_images(url, output_dir, min_size_kb=10):# Clone all images from a websiteos.makedirs(output_dir, exist_ok=True)seen = set()headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36','Referer': url,'Accept': 'image/avif,image/webp,image/*,*/*;q=0.8'}# 获取页面HTMLresp = requests.get(url, headers=headers, timeout=30)soup = BeautifulSoup(resp.text, 'html.parser')# 提取所有图片标签img_tags = soup.find_all('img')# 也检查background-image等CSS背景图bg_elements = soup.find_all(style=True)for img in img_tags:src = img.get('src') or img.get('data-src') or img.get('data-original')if not src:continuefull_url = urljoin(url, src)if full_url in seen:continueseen.add(full_url)try:img_data = requests.get(full_url, headers=headers, timeout=20).contentif len(img_data) < min_size_kb * 1024:continue# 用MD5做文件名，避免重名ext = full_url.split('?')[0].split('.')[-1][:4]if ext.lower() not in ['jpg','jpeg','png','gif','webp','avif']:ext = 'jpg'fname = hashlib.md5(img_data).hexdigest()[:12] + '.' + extwith open(os.path.join(output_dir, fname), 'wb') as f:f.write(img_data)print(f'[OK] {fname}')except Exception as e:print(f'[FAIL] {full_url}: {e}')print(f'Done. Total unique images: {len(seen)}, Downloaded: {len(os.listdir(output_dir))}')

这个脚本做了几件通用工具做不到的事：同时读取src、data-src、data-original三个属性（覆盖了各种懒加载方案），用MD5做文件名天然去重，加最小文件大小过滤掉图标和装饰图。

但Python脚本也有代价：每个目标站可能要单独适配。不同网站的HTML结构、反爬策略、分页方式都不一样，很难一个脚本通吃所有站。如果你的目标站只有两三个，值得花半小时写适配逻辑；如果要克隆几十上百个不同结构的站，维护成本会很高。

五、专用图片爬虫软件：图库站和素材站的最佳选择

如果你的目标是专业的图库站、设计素材站、电商平台的产品图片库，前四种方案都只能做到"把图下载下来"。但这类场景往往还有更多需求：图片自动分类、相似图片去重、按分辨率筛选、批量加水印/压缩/格式转换。

专用图片爬虫软件就是为这类需求设计的。Imaget（全称Image Downloader）是一个代表——它不是整站下载工具，而是专门针对图片的深度采集软件。支持按关键词搜索并批量下载、自动翻页、感知哈希去重、按尺寸筛选。

这里特别说一下Cyotek WebCopy。它在Windows上是一个被低估的工具：比HTTrack轻得多（安装包只有几MB），但爬取效率和规则配置能力不输HTTrack。如果你只是偶尔需要克隆一两个站的图片，WebCopy比HTTrack上手更快。

六、四种方案快速选型对照

前面说了这么多，不同方案之间交叉重叠的地方不少。按核心场景做一个最终对照表，方便直接对号入座：

七、下载完成后必须做的四件事

图片克隆到本地只是第一步。如果不做后续处理，几千张图堆在一个文件夹里，真正要用的时候根本找不到。这四件事建议在下载完成后立刻做：

站群运营者经常面临一个场景：需要从几十个竞品站定期同步最新的产品图、Banner图、素材图。手工一个个站去克隆，光是打开工具、粘贴URL、等待下载就要耗掉大半天。这时候就需要一套系统化的方案：用wget脚本批量跑URL列表，下载后自动按域名分文件夹，然后做去重和格式统一处理。

在UC建站系统的内容中台里，素材管理模块本身就支持多站点的图片素材统一归集和分发。不同站点的图片自动按域名归档，支持按尺寸、格式、来源站筛选检索。配合批量格式转换和压缩功能，克隆回来的图片可以直接导入素材库，各站点按需调用，省掉了手动复制粘贴的环节。而且素材库会标记每张图的来源站和采集时间，后续如果源站更新了，可以定向重新采集，不用全量重新跑。

说到底，图片克隆这件事，工具本身不是瓶颈——现在的免费工具已经够好用了。真正的瓶颈在于下载回来之后怎么管理、怎么分发、怎么更新。单次克隆很简单，持续维护才考验效率。

如果你只是偶尔需要克隆一两个站的图片做设计参考，HTTrack配好过滤规则就够了，免费且可靠。如果你做的是站群运营，需要长期跟踪几十个竞品站的素材变化，那值得花点时间搭一套wget+Python的自动化流程——一次投入，长期省事。至于那些付费的专业软件，除非你的需求确实到了那个量级（比如每天处理上万张图片的素材团队），否则免费方案的组合完全够用。