Perfectclone 发布：15 秒抓取任意网站真实前端代码，不用 AI 重写

把任何公开网站的真实前端抓下来，大约 15 秒。不用 AI，不消耗 token。 perfectclone 能把任何网站 1:1 克隆下来。它用真实浏览器（Playwright）爬取站点， 下载站点自己的 HTML、JavaScript、CSS、字体和图片，给你一个可以直接提供服务、编辑和部署的文件夹。 然后你可以给克隆改名换牌、换域名托管，并在不弄坏站点的前提下剥离原所有者的追踪器，包括加载时进行 hydration 的 Next.js 站点。 pip install perfectclone perfectclone clone example.com perfectclone serve example.com # → http://localhost:8000 就这么简单。第一次克隆时会自动下载 Chromium。需要 Python 3.10+。 或者什么都不装，直接用 uv 试用： uvx perfectclone clone example.com 为什么不用 AI 克隆器？ 如今大多数“克隆任何网站”的工具都是重新生成站点：AI agent 查看截图或抓取到的标记，写一个新的 React/Next.js 应用，再用视觉相似度分数把结果和原站对比，直到足够接近。这样得到的是一个长得像的东西。代码是新的，行为是近似的，而且总有差距。 perfectclone 不重新生成任何东西。它镜像站点实际提供的字节，所以克隆就是站点本身：相同的标记、相同的 bundle、相同的动画、相同的 JavaScript 在运行。 有时候真正的解决方案就是简单的那个。 每张卡片是一个站点从中间劈开：左边是线上站点，右边是克隆。 scripts/compat.py 会克隆每个站点、提供副本服务，并在 1440×900 下把它的首页和线上首页对比，动画和视频暂停在同一帧： 每个克隆加载时对追踪器的请求都是零。你可以自己运行 python scripts/compat.py，任何站点结果不对请开 issue。 perfectclone clone <url> [-o out] [--max-pages 200] [--extract] [--keep-trackers] [--ignore-robots] perfectclone serve <site> [-p 8000] perfectclone replace <site> <old> <new> [--exact-case] [--substring] perfectclone rehost <site> <old-origin> <new-origin> perfectclone strip-trackers <site> clone 会写出 out/site/（工作副本）和 out/manifest.json（页面、失败项、站点使用的第三方主机）。--extract 还会把每个页面的文本、元数据（标题、链接、图片、表单、JSON-LD）和整页截图保存到 out/extract/。追踪器默认会被剥离。 replace 在所有地方重命名文本：HTML、JS、CSS、JSON、SVG。它还会处理大写、小写和首字母大写变体，并且不改动 URL 和资源路径，所以不会有 404。 rehost 把 canonical、Open Graph、JSON-LD 和 sitemap 的 URL 指向你的域名。 serve 的行为像静态主机：干净的 URL（/about → /about/index.html），并且 /_next/image 请求会从镜像的原始文件提供。 给克隆改名换牌并上线： perfectclone clone acme.com -o acme perfectclone replace acme "Acme" "Globex" perfectclone rehost acme https://acme.com https://globex.com npx netlify-cli deploy --dir acme/site --prod # 或任何静态主机 工作原理 用真实浏览器爬取。每个页面在 Chromium 中渲染并滚动到底部，每个响应都被记录下来。这样能抓到静态镜像漏掉的东西：代码分割的 JS chunk、从 CSS 请求的字体、懒加载背后的图片。链接按广度优先跟进，从 sitemap 播种。除非传 --ignore-robots，否则遵守 robots.txt。 镜像服务器的字节。页面保存为服务器发送的 HTML，而不是渲染后的 DOM，因为站点的 JavaScript 期望的就是这个来 hydrate。资源保留它们的 URL 路径，CSS/JS 会被扫描以寻找更多引用（url()、srcset、chunk 路径），直到没有新东西出现。 编辑而不破坏 hydration。一个 Next.js App Router 页面会提供它的 HTML，以及在 self.__next_f.push(...) script chunk 中序列化的 React 树副本。改了一个而不改另一个，React 会抛出 hydration 错误并从 payload 重新渲染，把你的编辑撤销。perfectclone 解码 payload 流，逐行编辑，重新计算带长度前缀的文本行的 UTF-8 字节长度（<id>:T<hex>,…），重新拼接跨 chunk 的行，并把它写回与匹配的 HTML 编辑旁边。 剥离追踪器。Google Analytics/Tag Manager、Meta pixel、LinkedIn Insight、Hotjar、Clarity、Segment、PostHog、HubSpot、TikTok、Reddit、X、Cloudflare Web Analytics、RB2B 等等。它们会从 <script>/<noscript> 标签、preload 提示，以及只存在于 payload 中的 Next.js next/script 元素里被移除。 限制 没有后端。表单、登录、搜索和 API 调用仍然会发到原始服务器（或者失败）。perfectclone 复制的是前端。 Next.js 客户端导航需要每个页面的 RSC payload 响应 ?_rsc= 请求。perfectclone 会镜像它们，perfectclone serve 会路由它们。在普通静态主机上，内部链接会回退到整页加载：一切仍然能用，只是没有即时过渡。 只在点击后才请求的 chunk（比如某个模态框的代码）如果爬取触发了它们，或者某个 bundle 把它们的 URL 作为字符串命名，就会被捕获。bundle 也可能在运行时拼出 chunk URL，那一个可能会漏掉。 机器人防护（CAPTCHA、激进的 Cloudflare 规则）可能阻止爬取。perfectclone 不会试图绕过它。 嵌入内容（YouTube、Cal.com、地图）和第三方 CDN 仍然从它们自己的主机加载。 路线图 克隆登录后的应用，比如仪表盘。目前 perfectclone 只能看到匿名访客看到的内容，页面渲染后从 API 加载的数据不会被保留。对于你有账号的应用，计划是： 结果是一个可点击的 UI 快照及其捕获时的数据。保存、服务端过滤和实时更新仍然需要真实后端。 其他想法：对 Nuxt、SvelteKit 和 Remix payload 的 hydration 感知编辑，以及一个部署助手，写出 _redirects / vercel.json 规则，让 ?_rsc= 和 /_next/image 在静态主机上工作。欢迎贡献。 perfectclone 是 MIT 许可证下的开源项目。Issue 和 pull request 是

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）