中文 (中国)
ArchiveBox 主机
保留网页、PDF、媒体和书签在可搜索的长期存档中。
- 一键 部署
- 25 GB 所需磁盘空间
- 2 GB 内存 所需内存
- 来自 5 € 价格
无设置费
官方链接
ArchiveBox 的官方链接和原始网站
- 更多
ArchiveBox 网站
您在 AvaHost 上获得的服务
一键部署、自定义域名、免费HTTPS、自动应用更新和定期备份是每个云应用的标准配置。您可以在一台服务器上运行多个应用，并且包括终端访问。
此模板不包含数据库容器。
技术
- Docker 镜像
- archivebox/archivebox:latest
- 默认端口
- 8000
ArchiveBox 的工作原理
ArchiveBox 从列表、浏览器导出、订阅源或支持的集成中导入 URL，并针对每个目标运行多种捕获方法。根据可用工具和源响应，它可以保留页面 HTML、截图、PDF、文本、媒体元数据、WARC 数据、网站图标和其他表示形式。Web 界面随后提供索引，用于搜索、标记、查看和重新访问已保存的快照。
多种格式提高了当一种表示形式失败时有用证据仍然可用的可能性，但没有捕获方法能够完全再现每个现代网站。身份验证墙、验证码、流媒体、客户端应用程序、过期令牌、反自动化控制和机器人政策可能会产生部分或失败的快照。当保留的结果很重要时，每个 URL 都需要验证。
ArchiveBox 的主要功能
目录创建生成的管理员凭据并持久化 /data，其中包含存档索引、SQLite 数据、配置、日志和捕获的文件。存档可见性和用户访问需要有意的配置，因为捕获的 URL 可能包括私有路径、查询参数、个人信息或会话派生的材料。公开快照可能会泄露比原始顶级 URL 所暗示的更多内容。
ArchiveBox 是保存软件，不是关于真实性、可采纳性、版权或保留合规性的法律结论。运营者仍然负责捕获和保留内容的权限、证据链程序、访问控制和独立完整性检查。大型捕获还需要监控，因为视频、PDF、图像和重复格式可能会快速消耗存储空间。
自托管 ArchiveBox：要求和成本
ArchiveBox 资源使用主要由 URL 数量、捕获方法、浏览器进程、截图、PDF、媒体提取、WARC 文件、索引、导入、并发作业和重新捕获频率决定。PostgreSQL 和 MariaDB 在目录模板中不是必需的；该软件包持久化其自己的 SQLite 数据和存档文件。仅文本页面的需求较少，而媒体丰富的捕获可能会迅速扩展。ArchiveBox 在计划映射中标记为存储驱动，因此计划 3 上的 50 GB 是一个现实的起点，计划 4 上的 100 GB 为大型工作集提供了更多空间。
在 AvaHost 上，ArchiveBox 使用计划 2，价格为 €5。托管的 ArchiveBox 软件包包括一键部署、带有自动 HTTPS 的自定义域、自动应用程序更新和计划备份。该软件包提供一个生成的管理员账户，但不提供源站点凭据、浏览器扩展、法律保存流程、内容权利、代理网络或捕获质量保证。验证代表性快照、限制敏感存档，并保留必须在应用程序或账户故障中存活的材料的独立副本。
谁使用 ArchiveBox
研究人员保留项目中引用的源页面，记者在内容更改前保留公开材料，组织将授权的网络参考与案例或政策工作一起保留。个人可以导入书签导出并构建可搜索的个人存档。计划或重复的捕获工作流需要额外的注意，以避免过度请求和重复存储。
ArchiveBox 不是互联网档案馆的替代品、每个私人账户的凭证备份或托管合规存档。敏感捕获应该受到限制，用户应该在可用的情况下保留原始文件或官方记录。可见的截图仅证明捕获过程呈现的内容，而不是源的完整服务器端状态。
F.A.Q
ArchiveBox 从方案 2 的 €5 起价。捕获处理和存储的快照格式使存储成为实际限制，因此方案 3 的 50 GB 是现实的起点，方案 4 的 100 GB 适合更大的存档。URL 数量、截图、PDF、媒体、WARC 文件、索引和并发捕获会影响容量。
没有任何捕获方法能够完全复制每个网站。身份验证、验证码、客户端应用程序、流媒体、会话过期、robots 政策、速率限制和源代码更改可能导致快照不完整或捕获失败。请审查每个重要的捕获，比较多种格式，保留授权的原始文件，并且不要将屏幕截图或保存的 HTML 文件视为自动法律证明。
自定义域名可以指向 ArchiveBox，自动化 HTTPS 保护登录和存档流量。隐私仍然取决于应用程序用户、快照可见性、URL 参数、捕获的个人数据以及链接的共享方式。从已登出的浏览器测试访问权限，并在假设存档仅限管理员访问之前审查敏感快照。
AvaHost 自动应用 ArchiveBox 应用程序更新，并为持久 `/data` 包含定期备份。在重大版本发布后，请验证管理员访问权限、导入、标签、搜索、索引页面、屏幕截图、HTML、PDF、WARC 输出、媒体提取、现有快照和新的捕获任务。浏览器或提取器的更改可能会改变结果，因此在扩展重新捕获之前，请比较代表性页面。