收藏的网页说没就没？自己搭个存档站

steve, zhang — Sun, 09 Aug 2026 02:46:10 +0000

收藏夹看着靠谱，实际只存了一串网址。原站改版、下架或者干脆关停，点开就是一个 404。技术文档、研究资料、多年前在论坛里翻到的那条冷门解法，丢了往往就再也搜不回来。

MakeUseOf 撰稿人分享了一套自建方案：用开源工具 ArchiveBox 把整页内容留在自己的硬盘上，并做了一次严格验证——先存档，再把原页面彻底下线，看还能不能还原。

一、部署

准备一台 Ubuntu 26.04 虚拟机，4GB 内存，通过 Docker 安装 ArchiveBox。
版本选稳定的 0.7.4，而不是仍在改版中的 0.9 开发分支，可以少踩不少坑。
官方 Compose 文件有 278 行，捆了搜索、计划任务、Nginx 等一堆用不上的组件。实际只需要一个服务：镜像 archivebox/archivebox:0.7.4，启动命令 server --quick-init 0.0.0.0:8000，映射 8000 端口，把 ./data 挂载到容器内 /data，环境变量把 ALLOWED_HOSTS 设为 *、PUBLIC_INDEX 和 PUBLIC_SNAPSHOTS 都设为 False。
依次执行三条命令完成初始化、创建管理员并启动面板：

docker compose run --rm archivebox init
   docker compose run --rm archivebox manage createsuperuser
   docker compose up -d

关掉向 Archive.org 回传的开关，保证一切留在本地：docker compose run --rm archivebox config --set SAVE_ARCHIVE_DOT_ORG=False。

二、一次快照留下七份副本

抓取完成后，ArchiveBox 保留原地址，同时生成带时间戳的快照，里面包含 Wget 抓下的 HTML 副本、SingleFile 单文件页面、PDF、截图、渲染后的 DOM、正文提取版和 WARC 文件。SingleFile 最接近原貌且可正常浏览，正文提取版只留文字，PDF 和截图作为兜底——结果页看起来更像一份恢复菜单，而不是书签列表。

三、把原页面关掉之后

该撰稿人自建了一个含图片、说明文字和一个可下载配置文件的小页面，跑在同一台服务器的 8081 端口，页面里硬编码了标记 COPPER-FINCH-8247 便于核对。以深度 1 抓取快照后，他停掉服务并把源目录整个移走。

刷新浏览器，原地址报连接错误，而 8000 端口的存档照常打开：SingleFile 和 Wget 版本保留了排版与图片，PDF、截图、DOM、正文提取里都能搜到那个标记。存档前后用 sha256sum 对那个配置文件做校验，哈希值完全一致。

四、配上浏览器扩展才真正好用

安装 ArchiveBox 官方的 Firefox 扩展。
在扩展设置里填写本地实例地址，例如 http://192.168.91.136:8000。
浏览器里若已登录 ArchiveBox，扩展会直接复用该会话，此后一键就能存下当前页面。

实测存一篇带多张图片、脚本和广告的长文章，SingleFile、Wget、PDF、截图、DOM 和正文提取全部成功，只有 Original 格式因为目标站不允许被嵌入而报了警告。

注意事项

存档掌握在自己手里，责任也一样。虚拟机一旦损坏，没备份 data 目录就前功尽弃。ArchiveBox 也无法保证完美复现需要登录的页面、视频播放器和重度 JavaScript 界面。空间方面：example.com 只占 384KB、17 个文件，加上那个自建测试页涨到 1.5MB、52 个文件，再加一篇长文章就到了 34MB、158 个文件。书签只存网址，存档要存 HTML、图片、PDF、截图、WARC 和元数据，量一大就会明显吃盘，因此值得只留文档、研究资料这类真正需要引用的内容。