Show HN: Perfectclone —— 抓取任意网站的源代码，而不是 AI 克隆

perfectclone：1:1 复制真实网站的网站克隆工具

约 15 秒内抓取任意公开网站的真实前端。没有 AI，不消耗 token。

perfectclone 可以 1:1 克隆任意网站。它用真实浏览器（Playwright）爬取站点，下载网站自己的 HTML、JavaScript、CSS、字体和图片，交给你一个可以直接托管、编辑和部署的文件夹。然后你可以给它换品牌、换托管地址，并在不弄坏它的前提下剥离原站所有者的追踪器，包括那些加载时会在客户端 hydrate 的 Next.js 站点。

        pip install perfectclone

perfectclone clone example.com
perfectclone serve example.com             # → http://localhost:8000
      

就这么简单。首次克隆时会自动下载 Chromium。需要 Python 3.10+。

或者什么都不用装，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“克隆任意网站”的工具都是重新生成站点：AI agent 看着截图或抓取下来的标记，写一个全新的 React/Next.js 应用，再用视觉相似度分数把结果和原站比对，直到足够接近为止。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。它镜像的是网站实际返回的那些字节，所以克隆出来的就是那个站点：同样的标记、同样的打包文件、同样的动画、同样的 JavaScript 在运行。有时候真正的解决方案就是简单的那一个。

在真实网站上测试过

每张卡片是一个网站从中间劈开的对比：左边是线上站点，右边是克隆。

scripts/compat.py 会克隆每个站点、托管副本，并在 1440×900 下将其首页与线上首页对比，动画和视频都暂停在同一帧：

每个克隆加载时都没有向追踪器发出任何请求。你可以自己运行 python scripts/compat.py 试试，如果哪个站点克隆得不对，请开 issue。

命令

        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/。跟踪器默认会被剥离。

• replace 会在所有位置重命名文本：HTML、JS、CSS、JSON、SVG。它还会处理 UPPER、lower 和 Capitalized 变体，并且不改动 URL 和资源路径，因此不会出现 404。

• rehost 会把 canonical、Open Graph、JSON-LD 和 sitemap 的 URL 指向你的域名。

• serve 的行为类似静态主机：干净的 URL（/about → /about/index.html），并且 /_next/image 请求会由镜像的原始文件提供。

为一个克隆重新品牌并上线：

        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      # or any static host
      

工作方式

• 用真实浏览器抓取。每个页面都在 Chromium 中渲染并滚动到底部，每个响应都会被记录下来。这样能捕获静态镜像漏掉的内容：代码分割的 JS chunk、从 CSS 请求的字体、懒加载背后的图片。链接按广度优先跟随，种子来自 sitemap。除非传入 --ignore-robots，否则会遵守 robots.txt。

• 镜像服务器返回的字节。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 需要它来 hydrate。资源保留其 URL 路径，并且会扫描 CSS/JS 以寻找更多引用（url()、srcset、chunk 路径），直到不再出现新内容。

• 在不破坏 hydration 的前提下编辑。Next.js App Router 页面会同时输出 HTML 和 React 树的序列化副本，后者位于 self.__next_f.push(...) 脚本 chunk 中。只改其中一个而不改另一个，React 会抛出 hydration 错误并从 payload 重新渲染，从而撤销你的修改。perfectclone 会解码 payload 流，逐行编辑，重新计算长度前缀文本行的 UTF-8 字节长度（<id>:T<hex>,…），重新拼接跨 chunk 的行，并将其写回与对应 HTML 修改相邻的位置。

• 剥离跟踪器。Google Analytics/Tag Manager、Meta pixel、LinkedIn Insight、Hotjar、Clarity、Segment、PostHog、HubSpot、TikTok、Reddit、X、Cloudflare Web Analytics、RB2B 等。它们会从 <script>/<noscript> 标签、preload 提示以及仅存在于 payload 中的 Next.js next/script 元素中移除。

限制

• 没有后端。表单、登录、搜索和 API 调用仍然会发往原始服务器（或者失败）。perfectclone 只复制前端。

• Next.js 客户端导航需要为 ?_rsc= 请求返回每个页面的 RSC payload。perfectclone 会镜像它们，perfectclone serve 会路由它们。在普通静态主机上，内部链接会退化为整页加载：一切仍然可用，只是没有即时过渡。

• 只有在点击后才会请求的 chunk（例如某个模态框的代码）会在抓取触发它们、或有 bundle 以字符串形式命名它们时被捕获。bundle 也可能在运行时拼接出 chunk URL，那一种可能会被漏掉。

• 机器人防护（CAPTCHA、严格的 Cloudflare 规则）可能会阻止抓取。perfectclone 不会尝试绕过它。

• 嵌入内容（YouTube、Cal.com、地图）和第三方 CDN 仍会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 看到的是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。对于你拥有账号的应用，计划如下：

• 以你的身份抓取。在浏览器窗口中登录一次；perfectclone 会保存会话并用它抓取。

• 记录 API 响应。保留应用在抓取期间获取的每个 JSON 响应，并让 perfectclone serve 重放它们，这样图表、表格和列表就能离线显示真实数据。

• 通过点击探索。点击浏览导航、标签页和菜单，以到达仅存在于客户端路由中的视图。

结果是一个可点击的快照，包含捕获时刻的 UI 及其数据。保存、服务端筛选和实时更新仍然需要真实的后端。

其他想法：针对 Nuxt、SvelteKit 和 Remix payload 的 hydration 感知编辑，以及一个部署辅助工具，它会写入 _redirects / vercel.json 规则，让 ?_rsc= 和 /_next/image 在静态主机上正常工作。欢迎贡献。

参与贡献

perfectclone 以 MIT License 开源。欢迎提交 issue 和 pull request，尤其是那些无法干净克隆的网站的报告。请参阅 CONTRIBUTING.md，并请遵守 Code of Conduct。按照 SECURITY.md 中所述的方式私下报告安全问题。