archivebox/archivebox Docker 镜像 - 轩辕镜像 | Docker 镜像高效稳定拉取服务

ArchiveBox：开源自托管的网页归档工具

ArchiveBox 是一款功能强大的开源自托管网页归档解决方案，帮助个人和组织收集、保存网页内容并离线查看。互联网上的内容随时可能消失或变更，虽然 Archive.org 等中心化服务做得很好，但无法保存私有内容，也不能覆盖所有类型的资源。ArchiveBox 则让你能自主掌控数据，既可以归档公开网页，也能保存私有内容（如需要登录的页面），适用于书签备份、***证据留存、社交媒体内容存档、研究资料保存等场景。

核心特性

• 开源免费，本地存储：无需在线注册，所有数据保存在本地，完全掌控隐私和数据所有权。
• 多格式全面归档：自动提取网页中的各类内容，包括 HTML、PDF、截图、音视频、文本、代码仓库等（详见下方【输出格式】）。
• 灵活的输入方式：支持手动添加 URL、批量导入书签/历史记录、定时抓取 RSS 订阅或社交媒体动态（详见下方【输入来源】）。
• 标准工具与格式：基于 Chrome、wget、*** 等成熟工具，归档数据以普通文件（HTML、PDF、MP4 等）和文件夹存储，无需依赖 ArchiveBox 也能直接访问。
• 多端访问方式：可通过命令行（CLI）、网页界面、Python API 或直接操作文件/数据库管理归档内容。

快速开始

环境要求

• 系统：Linux、macOS、Windows（建议通过 WSL2）
• 推荐配置：Docker（简化安装和依赖管理），或 Python 3.10+、Node.js 18+（手动安装）

安装方法（推荐 Docker Compose）

Docker Compose 是最简单的安装方式，自动包含所有依赖，适合大多数用户：

1. 安装 Docker
   先在系统上安装 Docker（如已安装可跳过）。

2. 创建目录并下载配置文件
   新建一个存放归档数据的目录，下载 docker-compose.yml 配置文件：

   bash
   mkdir -p ~/archivebox/data && cd ~/archivebox
   # 下载配置文件，可根据需要编辑其中的参数（如端口、存储路径）
   curl -fsSL '[***]' > docker-compose.yml
   

3. 初始化并创建管理员用户
   运行初始化命令，按提示设置管理员账号（用于网页界面登录）：

   bash
   docker compose run archivebox init --setup
   

4. 启动服务并访问网页界面
   启动服务后，访问 `[***] 即可打开网页管理界面：

   bash
   docker compose up
   

其他安装方式

手动安装（pip）

适合熟悉命令行的用户，需手动处理依赖：

bash
# 安装 Python 包
pip3 install --upgrade archivebox *** playwright
playwright install --with-deps chromium  # 安装 Chromium 及依赖

# 创建数据目录并初始化
mkdir -p ~/archivebox/data && cd ~/archivebox/data
archivebox init --setup  # 初始化归档库，自动安装剩余依赖

包管理器（apt/brew 等）

• Ubuntu/Debian：通过 PPA 安装

  bash
  sudo add-apt-repository ppa:archivebox/archivebox
  sudo apt update && sudo apt install archivebox
  

• macOS：通过 Homebrew 安装

  bash
  brew tap archivebox/archivebox && brew install archivebox
  

基础使用

添加网页到归档

命令行添加

bash
# Docker 环境（需在 docker-compose.yml 所在目录执行）
docker compose run archivebox add '[***]'

# 本地 pip 安装环境
archivebox add '[***]'

网页界面添加

打开 `[***] URL】，输入网址并可选添加标签、备注。

查看归档内容

• 网页界面：直接在浏览器中浏览所有归档，支持搜索、筛选标签。
• 文件系统：归档数据保存在 ~/archivebox/data/archive 目录，每个 URL 对应一个子文件夹，内含 HTML、PDF、截图等文件，可直接打开。
• 命令行：查看归档列表或详情

  bash
  archivebox list          # 列出所有归档
  archivebox show '[***]'  # 查看指定 URL 的归档详情
  

输入来源与输出格式

支持的输入来源

• 手动输入：单个 URL、多行文本中的 URL 列表。
• 书签/历史记录：Chrome/Firefox 书签（HTML 导出）、浏览器历史记录（JSON/CSV）。
• 订阅与服务：RSS/Atom 订阅、Pocket/Pinboard 导出文件、社交媒体动态（需配合爬虫）。
• 浏览器扩展：通过 ArchiveBox Exporter 一键添加当前页面。

支持的输出格式

ArchiveBox 会根据网页类型自动提取多种格式，确保内容可长期保存：

• 通用网页：原始 HTML+CSS+JS、单文件 HTML（SingleFile）、截图（PNG）、PDF、WARC 存档、标题、正文文本。
• 音视频：***/B 站等平台的视频（MP4）、音频（MP3）、字幕、缩略图、元数据。
• 社交媒体/新闻：帖子正文、评论、作者信息、图片。
• 代码仓库：GitHub/GitLab 链接的 Git 源码克隆、README、项目图片。

数据安全与长期保存

ArchiveBox 使用标准文件格式（HTML、PDF、WARC 等）存储数据，不依赖专有格式，即使未来工具停止维护，也能通过普通软件访问归档内容。建议定期备份 ~/archivebox/data 目录，确保数据长期安全。

适用场景

• 个人用户：备份浏览器书签、保存喜欢的文章/视频，防止链接失效。
• 研究者：归档研究资料、追踪网页变更、收集社交媒体数据用于分析。
• ***/记者：保存网页证据，生成不可篡改的归档记录。
• 企业/组织：存档内部文档、监控外部提及的品牌信息。

通过 ArchiveBox，你可以安心保存互联网上有价值的内容，确保即使原页面消失，这些数据也能长期留存并随时访问。