ArchiveBox 介绍、使用和部署指南

一、什么是 ArchiveBox？

ArchiveBox 是一个开源的、自动托管的网页归档工具，专门用于将网页和各种链接的内容完整保存下来，方便长期存储和随时离线查看。它支持多种内容抓取方式（网页快照、PDF、截图、HTML等），并保持归档内容有条理地管理。

适合需要保存大量网页、新闻、文章、资料等的用户或团队，尤其注重隐私和数据掌控的人群。

二、ArchiveBox的主要功能和用处

• 网页自动归档：只需输入链接，自动抓取网页内容（包括文字、图片、视频等）。
• 多格式保存：支持HTML快照、PDF、截图、纯文本提取、WARC归档等。
• 索引与搜索：内置全文索引和搜索功能，一键查找归档内容。
• 支持多种输入源：导入书签、RSS、浏览器历史、Pocket链接等多种格式。
• 完全自托管：数据保存在自己服务器或电脑，安全私密。
• 自动化归档流水线：可定时运行，自动归档新链接。
• 友好的Web界面：通过浏览器浏览、管理和搜索归档内容。

三、ArchiveBox的典型使用场景

• 个人收藏：保存感兴趣的网页，防止链接失效或内容变更。
• 研究人员或记者：自动归档参考网页，保证资料原样保存备查。
• 团队知识库：集体维护一套网页库，支持全文检索。
• 网站管理员：备份重要外部资源或竞争对手网站内容。

四、ArchiveBox 的部署环境需求

• 支持Linux、macOS和Windows（通过WSL或原生环境）
• 需要Python 3.7+
• 推荐使用Linux服务器或本地Linux/macOS环境
• 有基本命令行使用经验

五、ArchiveBox 安装部署步骤（以Linux或Windows WSL为例）

1. 预备条件

• 安装Python 3.7及以上版本
• 安装Git
• 安装pip（Python包管理器）

Windows用户建议使用WSL (Windows Subsystem for Linux)，在Ubuntu子系统中安装。

2. 安装ArchiveBox

方法1：通过pip安装（推荐）

打开终端，运行：

1

pip3 install --upgrade archivebox

安装完成后，验证：

1

archivebox --version

显示版本号即成功。

3. 初始化归档库

选择一个目录作为存放归档数据的地方，比如：

1
2
3

mkdir ~/archivebox-data
cd ~/archivebox-data
archivebox init

该命令将在该目录创建必要的结构和配置文件。

4. 添加要归档的网址

有多种输入方式，最简单是直接在命令行添加链接：

1

archivebox add 'https://example.com/somepage'

支持一次添加多个链接，也支持从文件导入：

1

archivebox add < links.txt

links.txt 为每行一个链接的纯文本文件。

5. 进行归档

添加后，运行归档任务：

1

archivebox process

这个命令会开始抓取网页，并生成归档文件。

你也可以使用：

1

archivebox update

处理所有待归档项目。

6. 启动Web服务器浏览归档内容

启动内置Web服务：

1

archivebox server

默认监听地址：http://127.0.0.1:8000/

打开浏览器访问该地址，即可图形化浏览、搜索和管理已归档内容。

7. 定时自动归档（可选）

可以通过系统计划任务（crontab）定时执行：

1

*/30 * * * * cd /path/to/archivebox-data && archivebox update

该示例每30分钟自动执行归档更新。

六、额外功能与配置

• 自定义抓取选项：修改 ArchiveBox.conf 文件，配置保存格式和抓取细节（比如是否生成PDF、是否截图等）。
• 批量导入：支持导入HTML书签文件、RSS订阅、Pocket导出链接等。
• 多种抓取后端工具（可自行安装）：curl, wget, chrome-headless等，确保抓取质量。
• 导出归档数据：方便备份或迁移。

七、总结和推荐资源