如何快速下载网页资源?这款Chrome扩展让你一键保存所有文件并保持原结构 🚀
ResourcesSaverExt 是一款强大的Chrome扩展程序,专为需要批量下载网页资源的用户设计。无论是开发者、设计师还是普通用户,都能通过它一键下载网页上的所有资源文件,并自动保持原有的文件夹结构,极大提升资源收集效率!
📌 为什么选择 ResourcesSaverExt?核心优势解析
传统的网页资源下载方式往往需要手动逐个保存,不仅耗时,还容易丢失文件间的层级关系。而ResourcesSaverExt通过以下特性解决这些痛点:
- 一键全选下载:无需繁琐操作,点击扩展图标即可批量获取图片、脚本、样式表等资源
- 智能目录还原:自动解析网页资源引用关系,完美复现服务器端文件夹结构
- 轻量高效:纯前端实现,无需后端支持,不占用额外系统资源
- 完全免费:开源项目,无广告无内购,代码透明可审计
📸 直观体验:扩展界面与使用效果展示
下面是扩展的实际运行界面,左侧为资源列表控制面板,右侧为下载日志实时反馈:
启用扩展后访问任意网页,即可看到资源嗅探结果,支持按类型筛选(图片/脚本/CSS等):
🛠️ 3分钟快速上手:从安装到使用的完整指南
🔧 准备工作:环境要求检查
在开始安装前,请确保你的开发环境满足以下条件:
- Node.js 版本需匹配项目中
.nvmrc文件指定版本 - 已安装 Yarn 包管理器(推荐版本 1.22+)
📥 安装步骤:四步完成配置
步骤 1:克隆项目仓库
git clone https://gitcode.com/gh_mirrors/re/ResourcesSaverExt
步骤 2:安装项目依赖
进入项目目录后执行:
cd ResourcesSaverExt
yarn install
步骤 3:构建扩展文件
yarn build
构建完成后,扩展文件将生成在 unpacked2x 目录下。
步骤 4:加载到Chrome浏览器
- 打开Chrome浏览器,输入
chrome://extensions/进入扩展管理页面 - 开启右上角「开发者模式」开关
- 点击「加载已解压的扩展程序」,选择项目中的
unpacked2x文件夹 - 看到扩展图标出现在浏览器工具栏即表示安装成功 ✅
🚀 开始使用:下载网页资源的正确姿势
- 访问需要下载资源的目标网页
- 点击浏览器工具栏中的ResourcesSaverExt图标
- 在弹出的控制面板中,选择需要下载的资源类型(可全选)
- 点击「保存全部资源」按钮,扩展将自动处理并打包下载
💡 小技巧:对于包含大量图片的网页,建议先使用「筛选功能」仅勾选图片类型,可大幅提升下载速度!
⚙️ 高级功能:自定义你的下载体验
扩展支持通过设置面板调整下载参数,主要配置项位于 src/devtoolApp/store/option/index.js 文件,可自定义:
- 资源文件大小过滤阈值
- 自动重命名规则
- 下载并发数限制
- 日志保存路径
📂 项目结构速览:核心模块解析
src/
├── devtoolApp/ # 扩展主应用
│ ├── components/ # UI组件(按钮/列表/切换器等)
│ ├── hooks/ # 核心逻辑钩子(资源录制/保存等)
│ ├── store/ # 状态管理(下载列表/配置选项等)
│ └── utils/ # 工具函数(文件处理/资源解析)
└── static/ # 静态资源(图标/配置文件)
核心下载逻辑实现于 src/devtoolApp/hooks/useAppSaveAllResource.js,感兴趣的开发者可查看源码了解资源嗅探和打包原理。
❓ 常见问题解答
Q:扩展支持哪些资源类型下载?
A:目前支持图片(jpg/png/svg等)、脚本文件(js)、样式表(css)、字体文件(woff/ttf)及媒体文件(mp4/mp3)。
Q:下载的文件保存在哪里?
A:默认使用浏览器的「下载」文件夹,可在Chrome设置中修改默认路径。
Q:为什么部分资源无法下载?
A:可能是由于网站设置了CORS限制或资源为动态加载,建议刷新页面后重新尝试。
🎯 总结:提升资源管理效率的必备工具
无论是网页素材收集、前端项目分析还是学习资料备份,ResourcesSaverExt都能成为你的得力助手。通过自动化的资源嗅探和结构化保存,让你从繁琐的手动操作中解放出来,专注于更有价值的创意工作!
如果觉得这个项目有帮助,欢迎给项目仓库点星支持 ⭐,也可以关注开发者后续更新。
📝 提示:项目持续维护中,最新功能可通过
git pull更新本地代码后重新构建获取。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00

