[Python] ArchiveBox开源自建指南：搭建私有网页档案馆，实现HTML/PDF/截图多格式本地归档

你是否曾担心重要的网页内容有天会消失？尝试过浏览器收藏夹和在线服务，但始终存在网页失效或服务关停的风险。ArchiveBox 这个开源项目提供了一个理想的解决方案：在自己的服务器上建立一个私人的互联网档案馆，将网页永久保存为 HTML、PDF、截图等多种格式。

ArchiveBox是什么？

ArchiveBox 是一个开源的自托管网页归档工具。它能将你关心的网页完整保存下来，支持从浏览器书签、RSS订阅、Pocket等多种来源导入URL，并自动调用 Chrome、wget、yt-dlp 等工具抓取内容，最终保存为标准化的 HTML、PDF、PNG、视频等格式，确保未来几十年依然可以正常查看。

开源成就

• Star数：已在 GitHub 上收获 25.8K Star。
• 贡献者：拥有 126 位开发者的积极贡献。
• 主开发语言：基于 Python 和 Django 框架开发。

核心功能

• 多格式保存：每个网页会自动保存成多种格式，包括原始HTML+CSS+JS、单文件HTML、PNG截图、PDF、WARC归档、文章纯文本等。其中，截图与可搜索文本并存的功能尤为实用。
• 丰富的导入源：支持从 Chrome/Firefox 书签、浏览器历史记录、Pocket/Pinboard、RSS订阅、YouTube播放列表导入。浏览器扩展可以随时将当前页面加入归档队列。
• 智能内容提取：不仅能保存网页，还能提取YouTube视频（下载为MP4）、识别Git仓库并自动克隆代码、提取文章正文、下载社交媒体内容。用它来备份GitHub项目非常方便。
• 完全自主可控：所有数据存储在本地文件夹中，使用 SQLite 数据库管理索引，不依赖任何第三方服务，离线状态下也能查看归档内容。
• 定时自动归档：可设置定期从RSS、书签等来源自动抓取新内容，实现持续的自动化归档。
• 友好的Web界面：除了命令行，还提供了功能完善的Web管理界面，支持搜索、标签分类、查看日志，移动端浏览器也能顺畅访问。

安装指南

• Docker部署（推荐）：使用 docker-compose 可以最快速地启动服务，非常适合在 Docker 环境中部署。

  # 克隆配置文件
  git clone https://github.com/ArchiveBox/ArchiveBox
  cd ArchiveBox
  # 启动服务
  docker-compose up

• pip安装：在 Linux 和 macOS 系统上，通过 pip 安装也很便捷。

  pip install archivebox
  archivebox init
  archivebox server

• 首次运行时需要创建管理员账号，之后即可通过 Web 界面添加URL。
• 浏览器扩展非常实用，安装后点击图标即可将当前页面加入归档队列，省去了手动复制URL的步骤。

项目预览

开源地址：https://github.com/ArchiveBox/ArchiveBox