ArchiveBox
软件描述
自托管的归档平台，可将网页内容存储为HTML、PDF、截图、媒体文件和WARC文件；支持从书签、RSS或文件导入链接；具备浏览器历史记录、复杂网站支持、JSON索引、Git仓库归档、定期调度及离线浏览功能。
官方网站
访问软件的官方网站了解更多信息
archivebox.io
什么是 ArchiveBox?
由于现代网站结构复杂且常依赖动态内容，ArchiveBox 以多种格式存档站点，超越了 Archive.org 和 Archive.is 等公共归档服务的能力。
ArchiveBox 从标准输入、远程 URL 或文件导入 URL 列表，然后使用 wget 创建可浏览的 HTML 克隆，用 youtube-dl 提取媒体，并通过完整的无头 Chrome 实例生成 PDF、截图和 DOM 转储等。
结合多种方法与市场主导浏览器执行 JavaScript，确保即使是最复杂、最敏感的网站也能保存为若干高质量、长期可用的数据格式。
可导入链接来源包括：
Pocket、Pinboard、Instapaper
RSS、XML、JSON 或纯文本列表
浏览器历史记录或书签（Chrome、Firefox、Safari、IE、Opera 等）
Shaarli、Delicious、Reddit 收藏帖子、Wallabag、Unmark.it 及任何包含链接的文本！
每个站点可保存以下内容：
favicon.ico 站点图标
example.com/page-name.html 使用 wget 克隆的站点，若无 .html 后缀则自动添加
output.pdf 使用无头 Chrome 生成的打印版 PDF
screenshot.png 使用无头 Chrome 生成的 1440x900 截图
output.html 渲染后使用无头 Chrome 的 DOM 转储
archive.org.txt 指向 archive.org 上保存页面的链接
warc/ 包含 HTML 和压缩后的 WARC 文件
media/ 使用 youtube-dl 找到的所有 mp4、mp3、字幕及元数据
git/ 对 GitHub、Bitbucket 或 GitLab 链接的仓库克隆
index.html & index.json 包含元数据和详情的 HTML 与 JSON 索引文件
归档过程为累加式，可定期调度 ./archive 运行，持续将新链接加入索引。
所有保存内容均为静态文件，并通过 JSON 文件索引，永久存储且易于解析，无需始终运行的后台服务。
🔄 替代方案
64 个选择
GNU Wget 是一个免费的软件包，用于通过 HTTP(S) 和 FTP 协议下载文件，这两种协议是目前使用最广泛的互联网协议。它是一个非交互式的命令行工具，因此可轻松从脚本、cron 作业、无 X-Windows 支持的终端等环境中调用。
HTTrack
开源软件，允许用户下载完整网站，保留目录和链接结构，以便离线浏览。支持更新、断点续传及主要操作系统。
Obsidian 网页剪辑器可将网页内容保存至您的个人资料库，确保离线访问。使用自定义模板、智能触发器并选择页面内容进行剪辑。以 Markdown 格式保留数据，提供安全、私密且持久的格式来组织链接笔记。
Wayback Machine
借助时光机（Wayback Machine）的力量，你可以回溯时间，查看网站自网络历史以来的变化与演进。
Archive.today
Archive.today 允许您“拍摄”网页快照，即使原始页面更改或删除，该快照也始终可用。
