什么是 ArchiveBox？
ArchiveBox 是一个开源的、自托管的网页归档解决方案，它可以帮助个人或者组织将网页内容保存下来，方便离线浏览并且确保数据长期可访问
其目标是让用户主动保存自己关心的网页内容，避免因链接失效、内容变更或服务下线而丢失重要信息。可以归档：书签、社交媒体内容（如 Facebook 照片、YouTube 视频）、研究论文、法律证据等
核心功能与技术特点
输入方式多样
可以从多种来源向 ArchiveBox 输入要保存的内容，包括：
- 单独 URL
- 浏览器书签或历史记录
- RSS 订阅源
- Pocket、Pinboard 等收藏服务
自动抓取并以多种格式保存内容
ArchiveBox 会对每个页面生成多种归档格式，如：
- 原始 HTML、SingleFile HTML、截图 PNG、PDF、WARC 等
- 社交媒体内容：TXT 文本、评论、作者、图片等
- 媒体内容：MP3/MP4、字幕、元数据、缩略图等
- 代码托管服务（GitHub/GitLab）：克隆代码、README 等
多种访问方式
- 命令行工具（CLI）：完整控制与自动化脚本集成
- Web 应用界面：直观操作与预览
- Python 库 / REST API / Webhooks：便于二次开发与集成
数据存储方式
- 使用文件系统保存，无需专有格式
- 归档内容保存在本地文件夹中，可长期使用或迁移
安装与部署方式
ArchiveBox 支持多种安装方式，推荐如下几种：
- Docker / Docker Compose（推荐）
包含所有依赖，便于部署与升级。 - 命令行安装（适用于 Linux / macOS / Debian 等）
pip install archivebox archivebox install或者使用curl | bash的一键脚本。 - 支持的平台：Linux、macOS、BSD（原生），Windows 可通过 Docker 或 WSL2 使用
- 资源要求：最低500 MB RAM，建议 ≥2 GB；支持压缩存储的文件系统（如 ZFS、BTRFS）更高效
工作原理与设计理念
- ArchiveBox 利用多种工具（如 wget、headless Chrome）抓取内容。
- 作者认为核心优势在于“去中心化”，避免将所有网络归档依赖单一服务（如 archive.org），通过用户自行保存并可未来镜像共享
- 项目采用 Django 框架构建后端，使用 SQLite 作为本地数据库；插件系统基于 Pluggy；REST API 使用 django-ninja 和 Pydantic
快速上手示例
- 初始化项目目录
mkdir my_archive && cd my_archive archivebox init --setup - 添加要归档的 URL
archivebox add https://example.com - 启动本地 Web 服务预览
archivebox server - 导入历史记录或书签
支持导入 Pocket、Pinboard、浏览器书签、RSS 源等
社区反馈与使用场景
开发者在 Reddit 讨论中提到，ArchiveBox 是一个复杂但功能丰富的 Django 项目，可以替代 archive.org，实现更多格式抓取（截图、PDF 等）
其他使用者则强调它能强化网络内容保存的自主性与冗余备份能力
总结一览表
| 特性 | 描述 |
|---|---|
| 类型 | 开源、自托管网页归档工具 |
| 支持输入 | URL、书签、历史、RSS、收藏服务 |
| 保存格式 | HTML、PDF、PNG、WARC、音视频、文本、代码等 |
| 使用方式 | CLI / Web 界面 / API |
| 推荐安装方式 | Docker 或 pip + install 脚本 |
| 适用平台 | Linux/macOS/BSD 原生；Windows 通过 Docker 或 WSL2 |
| 技术栈 | Python、Django、SQLite、Pluggy、django-ninja |
| 设计理念 | 分布式、数据控制权、自主长期存档 |
