技能介绍

要解决的问题

用 curl 或浏览器「另存为」抓下来的网页，通常只是一个空壳。CSS 在 CDN 上，图片走对象存储，字体由 JavaScript 按需加载，脚本还会在首屏之后再发请求。一旦断网、源站下线或 CDN 换了路径，这份「备份」就只剩几段没有样式的标签。给同事分享一个内部页面时也一样：对方要么有账号，要么得翻你的截图。Monolith 要处理的就是这类「页面已保存，但没真正归档」的场景。

工作原理

Monolith 是一个 CLI 工具，同时也提供 Rust 库形态，核心行为是把渲染一个页面所需的全部资源内联进单个 HTML 文件。

递归抓取：解析 HTML 后提取其中的 CSS、图片、JavaScript、字体等外部引用，再对这些引用递归处理。
data: URL 内联：把抓取到的二进制和文本内容转成 data URL，替换原有的外部地址，而不是把文件散落在目录里。
输出自包含文档：最终产物是一个 HTML5 文件，不依赖任何外部资源即可离线渲染。

因为直接输出单文件，它很适合放进归档流水线：抓取结果可以当作普通文本文件提交进版本库、塞进工单附件，或者作为静态站点的一份快照长期保留。

适用边界

没有 JavaScript 引擎。 Monolith 不做页面渲染，也不会执行脚本。对于首屏之后靠 JS 拉取数据再渲染内容的站点，拿到的快照可能只包含骨架，这类页面需要配合其他工具使用。
不处理登录态与交互态。 它归档的是请求返回的静态资源，无法复现需要鉴权、依赖用户操作才出现的内容。
资源体量会显著膨胀。 图片、字体、视频全部转成 base64 后，文件体积通常比原始页面加资源目录更大，不适合当作长期存储的压缩格式。