互联网是一个巨大的知识宝库。但它是转瞬即逝的，也不能保证你喜欢的内容将来会出现。如果您不能承受丢失这些内容的代价，可以使用web存档工具来存储网页的副本。

许多人使用read later服务来保存web文章。这些应用程序最适合基于文本的内容，不能正确处理复杂的网页设计或媒体。想要更多的控制吗？

让我们看看如何在计算机中创建Instapaper或Pocket的克隆，而不会丢失任何网页资源。

archivebox简介

ArchiveBox是一个开源解决方案，它可以帮助您托管自己的替代归档服务，如Wayback机器。你不会放弃你的隐私或者被锁在一个你无法控制的服务中。

它获取要存档的url列表，并以多种格式创建内容的本地可浏览HTML克隆。它包括HTML格式的本地副本、页面截图、PDF文件和WARC（Web存档）。

即使原来的网页在将来消失了，这些副本也会留在你身边。

ArchiveBox是用python3编写的。它还使用Wget、headlesschrome、youtubedl和其他Unix工具等依赖项来保存网页。你不需要一个持续运行的后端服务器。每次您想导入新链接并更新静态输出时，只需运行它。

归档完成后，可以打开生成的输出/索引.html在浏览器中查看存档。

archivebox的优点

• 它以几种文件格式归档链接，这些文件格式可以作为备份。
• 它试图保留原始网页使用先进的捕获方法。
• 能够自动提取内容并将其保存到单个文件夹中。
• 它还提供了一个简单的命令行界面来处理多个链接、提要和书签。你必须设置它一次，并运行它的时间表存档较新的链接。

archivebox的缺点

• ArchiveBox从网页中提取所有资产。它消耗大量的磁盘空间，而且CPU密集型。
• 除了python3.5之外，该应用程序还需要三个或更多的依赖项。使这些组件协同工作需要反复试验。
• 该应用程序不完全支持Windows操作系统。您必须安装Docker或启用Windows Subsystem for Linux（WSL）。即使这样，某些功能也可能起作用，也可能不起作用。

支持的操作系统

ArchiveBox正式支持以下操作系统：

• macOS:10.12 Sierra和自制软件。
• Linux:Ubuntu，Debian（带APT）。该应用程序可能（也可能不）在Fedora、CentOS、SUSE、Arch等发行版中工作。
• BSD:FreeBSD、OpenBSD、NetBSD（带pkg）。

依赖项

ArchiveBox是一种灵活的web存档工具。必须安装以下依赖项并满足最低要求。

• Python 3。不要使用macOS附带的默认python2.0。
• 重量1.16
• 铬59。如果你已经使用谷歌Chrome，不要安装Chrome。
• Youtube dl（可选）：媒体资源需要大量存储空间。在存档书签之前，请仔细考虑一下。

设置档案箱

档案箱的设置有两种方式：自动和手动。

在自动方法中，助手脚本将安装应用程序及其依赖项。但是如果出现任何错误，您将无法解决问题。最好手动安装应用程序。

为了演示，我们将使用macos10.14.6。

安装依赖项

安装依赖项的最佳方法是通过名为Homebrew的包管理器。要了解它的基本知识，请参阅本文中关于如何使用Homebrew安装Mac应用程序。

打开终端并键入

（如果您已经在应用程序中安装了Google Chrome/Chromium，请跳过此步骤）

检查所有依赖项的版本号

要检查所有依赖项的版本号，请键入

（用python3、wget、youtube dl等替换依赖关系应用程序）

下载书签导出文件

所有read-later服务和浏览器都可以将书签导出为HTML文件。按照本文中有关如何从浏览器导出书签的说明进行操作。也可以将单个链接或URL列表保存在文本文件中。

安装archivebox

从GitHub克隆repo。打开终端，然后键入

那么，

克隆此repo时，安装程序将在主目录中创建一个ArchiveBox文件夹。此文件夹包含所有主应用程序和配置文件。

将您的url添加到存档

如果要存档单个链接，请键入

导航到ArchiveBox文件夹以查看新创建的输出文件夹。在这里，你会看到索引.html文件。

向存档添加多个链接

当您想保存多个链接（几十个或更多）时，最好将链接添加到文本文件中。应用程序将解析文件中的URL并将其存档。打开终端并键入

如果文件位于下载文件夹中，则路径将如下所示

等待几分钟/小时以完成此过程。要访问存档，请打开输出/索引.html在浏览器中。您可以按列排序，使用右上部分的框搜索标题，并在底部查看链接的总数。

单击“文件”列下的favicon以访问详细信息页面。您将找到指向屏幕截图中所示的单个文件格式的链接。同样的链接也会上传到存档.org.

同样，将Instapaper或Pocket链接导出为HTML文件。然后，输入

您还可以从feed URL导入链接列表。但请记住，您可能会遇到太多的失败或会话超时。如果有成千上万个URL，最好将它们分成更小的文件以提高成功率。

配置archivebox

默认设置在大多数情况下都有效，但是您可以调整某些重要参数以获得更多功能。配置文件位于

注意：不要修改这个文件，因为只要你更新应用程序，它们就会被删除。要创建持久配置文件，请键入

cp命令将在主目录中创建配置文件的副本。默认情况下，该文件在目录中不可见。要取消隐藏，请按Cmd+Shift+Period。在TextEdit中打开配置文件。

参数

ArchiveBox为您提供了许多选择。以下是一些重要的问题；

• ONLY\ NEW：将此设置为True以下载新添加链接的存档。如果你经常给链接加书签的话会很有用。
• 超时：可能的值是60或120秒。如果看到频繁的超时错误，则将其增加到120秒。
• URL\u黑名单：您可以使用regex表达式从存档中排除某些域、扩展或URL模式。
• 获取媒体：使用youtube dl获取所有音频和视频文件。只有当您有足够的存储空间时，才将此设置为True。
• WGET\u USER\u AGENT：用于在存档期间更改用户代理。如果您被某些服务器阻止，此选项非常有用。

要了解有关配置详细信息的更多信息，请访问ArchiveBox配置以获取更多信息。

发布存档

ArchiveBox生成的归档文件与任何可以承载静态HTML的提供程序兼容。例如，GitHub页面。

您还可以通过直接将输出文件夹上载到web目录，从家庭服务器或VPS提供服务。

确保您没有以CGI或PHP的形式运行任何内容，您只希望托管静态HTML文件。

托管您的存档既有优点也有缺点。当您从随机站点下载链接时，您必须了解在共享域中托管恶意CSS和JS文件的危险。你也可以把你的档案列入黑名单机器人.txt文件保持私有。

离线下载整个网站

在过去的几年里，Web归档引起了人们的关注。它们记录网页的全部内容，包括源HTML、嵌入的图像、样式表和JavaScript代码。ArchiveBox正好适合web归档工具和服务的广泛类别。

如果你对Instapaper或Pocket感到失望，那么ArchiveBox是一个很好的选择。除了web文章之外，您可能还需要归档整个网站以脱机访问它们或保存它们的知识。如果你对此感兴趣，请阅读这篇关于如何下载任何网站进行离线阅读的文章。