如果你喜欢一个网站，就把它备份下来
一位网络存档者最爱的粉丝网站消失了，域名转去投放赌博广告。她写下这份指南，教你用 ArchiveWeb.page 和 Browsertrix，在喜欢的网站消失之前把它备份下来。
中文
复制
这个故事要从一桩小小的悲剧讲起。我收藏了一些老网页，时不时就喜欢翻出来看看。有些网站多年来、甚至几十年来一直挂在网上，内容从未变过。隔段时间去探望一下，确认一位老朋友还过得不错，这件事本身就让人感到一丝温暖。当然，有时候悲剧也会降临。
有一个粉丝网站叫 teapuppies.com，专门介绍一部老动画和同名玩具系列 Ochaken。作品讲的是一群可爱的卡通小狗角色，耳朵是茶叶做的，每只狗都以一种茶命名。1 这个网站从 2004 年上线，基本上从 2005 年起就没再变过，但光是它还在那里就让人安心。直到几周前我去访问，才发现网站不仅没了，域名现在还被用来投放线上赌博广告。
顺便说一下，我的工作是网页归档。也就是说，我本该知道这个网站总有一天会下线，而且我手里就有工具可以做点什么。我本可以在它还在的时候把网站归档下来，但我没有。写这篇文章，是想恳请你去做我当初没想到要做的事，并教你怎么做。
你看，我跟很多人聊起网页归档时，他们似乎总觉得自己做不了这件事。那是 Internet Archive 这样的大机构干的活，想让某个网页被保存下来，你只能等着，祈祷有人去做。但事实并非如此！我真正想让每个人知道的是，你对自己周围的世界是有掌控力的，你可以采取行动去保存东西、让事情变得更好。不只是可以，而是应该！别光等着别人动手，自己去做，把它做成！有喜欢的网站？备份它！有不想丢失的信息？备份它！在某个地方看到喜欢的帖子？大家一起喊：备！份！它！
本文展示的所有工具都使用标准的网页归档格式，比如 WARC。2 技术细节你不用担心3，我提这一点是因为，这意味着有大量非常好用的工具，你想拿这些文件做什么都行。举个例子，原帖就在这篇文章里直接嵌入了一整个归档网站：
你甚至可以点开所有链接、查看所有图片，样样都行。一整个网站就装在一篇帖子里！（如果你不放心让我一直托管它，想把这份网页存档放到别处？可以直接从那里下载下来。点开 kebab 菜单，选择“download archive”，之后随你怎么处置。说实话，请务必这么做！）
顺便说明一下，本文提到的工具都出自我就职的公司，但这并不是因为公司会给我发工资（它们大多免费！）。我只是恰好认为，这些是个人网页存档领域最好的工具。
方案一：ArchiveWeb.page 浏览器扩展
最省事的个人网页存档工具，当属 Chrome 上的 ArchiveWeb.page 浏览器扩展。它几乎不需要什么配置或技术能力，而且什么都能存：单个页面、整个网站、一条社交媒体帖子或个人主页。只要能在浏览器里看到，你就能把它存下来。你真正要做的只有：
- 安装浏览器扩展。
- 访问你想存档的第一个页面。
- 点击工具栏里的 ArchiveWeb.page 图标，然后点“Start Archiving”。
- 如果页面里有交互元素，逐个点开，确保它们的数据都加载出来。
- 访问你想收进同一集合的其他页面，让扩展把它们抓下来。
- 点击工具栏里的 ArchiveWeb.page 图标，然后点“Stop Archiving”。
搞定！你刚刚存档了一个网页！ 既然都存好了，你可以点扩展图标，再点主页图标打开扩展面板，预览一下效果如何。在面板里点开这次存档会话，就能预览已存档的页面、在浏览器中加载它们，看看是否正常。（如何查看网页存档、如何分享给别人，本文后面会详细讲。）
方案二：archiveweb.page 应用
如果你不想安装浏览器扩展，或者电脑上没装 Chrome，也可以直接下载独立的 archiveweb.page 应用。它和上面的浏览器扩展基本是一回事，只是内置了自己的浏览器。打开后直接进入浏览网页存档的菜单，在本地查看存档很方便。前面讲的其他内容基本都适用。
方案三：Browsertrix
上面这些方案适合单页，或者小到可以手动浏览的站点。但如果网页多到一页页点过去会很烦，那就该考虑用网页存档专用的网络爬虫工具了。这类工具不少，个人用起来最省事的应该是 Browsertrix。网络爬虫本质上是以浏览器为核心的自动化工具，你告诉它从哪个页面开始、要访问哪些页面，它就会自己去点链接、自动发现页面，尽可能完整地把站点存档下来。我前面提到的那份网页存档就是用 Browsertrix 做的，设置基本是默认值：我只告诉它要对整个域名 https://teapuppies.mistys-internet.website 做站点抓取，剩下的它自己搞定：
不过，具体取决于你要找什么，它提供了可自定义的选项，用来缩小归档内容的范围。比如，如果你只想要剧集页面，可以告诉它只抓取网站 /episodes/ 部分的内容：
或者只抓一个页面，以及该页面直接链接到的所有内容：
可选方案远比我在这篇快速概览里能讲到的多。这是个功能全面的工具，选项很多。不过如果你想归档整个网站，或者完整的社交媒体个人主页，我建议试一试。
其他工具主要在自己电脑上运行，Browsertrix 不一样，它主要是个 Web 应用。它也是本文中唯一收费的工具，有七天试用期，之后就得按使用量付费。不过它是开源的，技术上手的用户可以在自己电脑上跑一份，或者愿意的话部署到别处。
查看归档后的网页
网站备份好之后，你可以把它重放出来，在浏览器里像访问在线网页一样使用。有点像拥有一个私人版的 Wayback Machine。用你所用版本的 archiveweb.page 内置的界面，就能自己测试、供个人使用；但如果你想分享给别人，有几种选择。私下分享的话，可以把 WARC/WACZ 文件发给对方，让他在 ArchiveWeb.page 应用或 ReplayWeb.page 网站里加载。想公开分享，则可以搭一个网站，把网页归档放上去。
本文用的是 ReplayWeb.page 嵌入式查看器，它开源，可以嵌进任何其他网页。服务器上不需要运行任何应用；只要能上传归档文件，再加一点 JavaScript，就能把重放界面加进任何网页或博客文章。
拿到数据后如何保存
备份的内容都打包在一个 WACZ 文件里，保存或分享都很方便。毕竟多存几份才安全；如果你觉得有朋友愿意留一份你备份的网站，就传给他，一起分担保存的责任。
如果你觉得这些有点意思，我建议至少试一试。我非常希望这个世界布满成千上万个小巧的网页存档，人们和社区团体为自己存档、分享对自己重要的东西。如果你觉得这些内容让人不知所措，不知道从哪里开始，请来找我，我很乐意帮你一把。