我正在做一个项目，想镜像一个网站。这个想法（我的测试用例）是，原始网站将无法跟踪用户点击和广告点击。
到目前为止我发现的是GitHub 上的指南/存储库。
我正在 AWS 上使用 Ubuntu 运行 EC2 实例。
我现在的问题是：如何镜像网站以及它实际上是如何工作的？
答案1
镜像意味着您将在另一台机器上检索所有网站页面（或您关心的子集）。在这里，您可能会安装一个网络服务器来提供您镜像的页面，并且客户端必须连接到您的网站，而不是原始网站。
使用代理意味着您在服务器中配置代理软件（apache、nginx、squid、varnish 等）。在这种情况下，客户端也必须连接到您的服务器，并且您的服务器透明地将请求传递到原始服务器并返回到客户端，可选择存储缓存副本以供以后重复使用。
现在，如果您想镜像它，我首先想到的是wget，有关更多信息，请查看此回复：https://superuser.com/questions/352397/download-entire-site-for-offline-usage-with-wget- including-external-image-serve
如果您想要反向代理它，则如何操作取决于您使用的软件。
当心原始网站中嵌入的 javascript/Flash，可能会有 XHR 请求或类似内容指向具有明显隐私/安全考虑的原始网站。