Wayback Archiver

你是否曾遇到过这样的遗憾：一篇珍贵的文章突然被删除，一个重要的参考页面显示 404，或者你想回顾几个月前某个网站的特定版本却无从下手？

Wayback Archiver 是一个自托管的个人网页归档系统，它能自动捕获并保存你在浏览器中访问过的每一个网页——包括 HTML、CSS、JavaScript、图片和字体。当原始网页消失或改变时，你依然可以通过本地的归档副本，完美还原当时的页面样式和内容。

🌟 核心亮点：不仅仅是截图

与简单的截图工具不同，Wayback Archiver 致力于高保真还原和完整资源保存：

• 🎨 像素级还原：通过 CSSOM 序列化和计算样式内联，确保归档页面的视觉效果与原始页面几乎一致。
• 📦 全资源捕获：不仅保存 HTML，还自动下载并本地化存储 CSS、JS、图片、字体等所有静态资源。
• 🌐 突破 CORS 限制：浏览器端无法获取的跨域资源，由 Go 服务器端代理下载，确保页面完整性。
• ⚡ 智能去重：基于 SHA-256 内容哈希，相同资源（如通用的 JS 库、图片）在所有归档中只存储一份，极大节省空间。
• ⏳ 时间机器：同一 URL 支持多次归档，形成可视化的时间线视图。你可以像使用 Internet Archive 一样，回溯某个网站的历史变迁。
• 🛡️ 防刷新保护：归档页面被“冻结”，拦截定时器、WebSocket 和导航 API，防止页面在查看时自动跳转或刷新，确保持久可读。
• 🤖 SPA 友好：智能检测单页应用（SPA）的路由变化，自动重置捕获状态，完美支持现代 Web 应用。

⚙️ 工作原理

系统由三部分组成，形成一个高效的闭环：

1. 浏览器端 (Tampermonkey 脚本)：
   • 在页面加载完成后自动捕获完整的 DOM 和资源引用。
   • 利用 MutationObserver 监听动态变化，若页面内容发生显著改变（如无限滚动加载），自动提交更新。
2. 服务端 (Go Server)：
   • 接收浏览器提交的快照数据。
   • 代理下载浏览器因 CORS 策略无法获取的跨域资源。
   • 对资源进行哈希去重，将元数据存入 PostgreSQL，静态文件存入本地文件系统。
3. Web UI：
   • 提供响应式界面，支持全文搜索、时间线浏览、按域名筛选。
   • 完全离线运行，不依赖任何外部服务，隐私绝对安全。

🚀 快速开始指南

只需简单的几步，即可搭建属于你的个人互联网档案馆。

1. 环境准备

确保已安装：

• Go 1.21+
• Node.js 16+
• PostgreSQL 14+
• Chrome/Firefox + Tampermonkey 扩展

2. 初始化数据库

createdb -U postgres wayback
psql -U postgres wayback < server/init_db.sql

3. 启动服务器

cd server
cp .env.example .env  # 编辑配置（如数据库密码、存储路径）
go build -o wayback-server ./cmd/server
./wayback-server

服务器默认运行在 http://localhost:8080。如需代理下载资源，可设置 http_proxy 环境变量。

4. 安装浏览器脚本

cd browser
npm install
npm run build

• 打开 Tampermonkey 管理面板 -> 创建新脚本。
• 将 browser/dist/wayback.user.js 的内容粘贴进去并保存。
• Chrome 用户注意：需在 Tampermonkey 设置中开启“允许用户脚本”开关。

5. 开始归档

现在，正常浏览网页即可！页面加载完成后会自动静默归档。访问 http://localhost:8080 查看你的“互联网记忆”。

📊 功能概览

💡 应用场景

• 研究人员/学生：永久保存参考文献，防止链接失效（Link Rot）。
• 开发者：记录竞品网站的功能迭代历史，或保存重要的技术文档版本。
• 法律/合规：固定网页证据，记录特定时间点的网站内容。
• 个人知识管理：构建离线的个人知识库，随时回顾曾经阅读过的优质内容。
• AI 训练数据：通过 API 批量导出清洗后的 Markdown 数据，作为私有 RAG 知识库的来源。