Já alguma vez tentaste, ao voltar ao trabalho ou à escola, relembrar uma página web importante, e de repente descobriste que foi alterada, que o conteúdo foi apagado, ou até que o site desapareceu por completo? Este tipo de situação é especialmente comum em notícias, dados de pesquisa ou informações de investimento, especialmente agora que o conteúdo online muda rapidamente. Confiar apenas em marcadores ou no histórico de navegação é difícil para garantir uma preservação completa. ArchiveBox é uma ferramenta de código aberto que te ajuda a capturar automaticamente URLs, históricos de navegação, marcadores, e até coleções do Pocket ou Pinboard, fazendo download e arquivando tudo, incluindo HTML, JS, PDFs e arquivos de mídia, permitindo-te visualizar offline a qualquer momento, direcionada a investigadores, jornalistas, entusiastas da história ou qualquer utilizador que precise de preservar recursos online a longo prazo.
Importa histórico de navegação e marcadores, gerando automaticamente um arquivo completo
A maior conveniência do ArchiveBox é que suporta várias fontes de entrada, processando de uma só vez o teu histórico de navegador, marcadores e até serviços de terceiros como Pocket e Pinboard. Imagina que só precisas de importar o arquivo de histórico do Chrome ou Firefox, e o sistema irá rastrear cada URL, salvando uma captura completa da página, incluindo todas as imagens, vídeos e scripts. Este processo não só preserva a aparência original, como também gera vários formatos como HTML de página única, PDF e capturas de ecrã, facilitando a pesquisa e comparação no futuro.
Depois de abrir a interface do ArchiveBox, verás uma vista de lista limpa, onde cada item arquivado mostra o título, a data e uma pré-visualização. Ele também tem uma função de pesquisa integrada, permitindo-te filtrar rapidamente os resultados com palavras-chave, por exemplo, ao digitar “relatório financeiro 2023”, conseguirás puxar imediatamente os arquivos relevantes. Comparado com ferramentas de marcadores tradicionais, o ArchiveBox não só armazena links, como também garante que o conteúdo esteja sempre disponível, mesmo que o site original tenha encerrado.
Armazena múltiplas capturas de um único URL ao longo do tempo, acompanhando mudanças de conteúdo
O conteúdo online não é estático, e o ArchiveBox entende isso, por isso suporta o arquivamento múltiplo do mesmo URL, gerando uma captura independente a cada vez. Podes configurar tarefas agendadas, como re-capturar automaticamente uma lista específica todas as semanas, permitindo-te acompanhar facilmente as atualizações do site, como relatórios de notícias, alterações de preços ou ajustes de políticas. Esta funcionalidade é especialmente útil para monitorar concorrentes ou projetos de pesquisa a longo prazo, evitando perder mudanças cruciais.
Na prática, ele marcará cada captura com um carimbo de data/hora e mostrará uma pré-visualização das diferenças na interface, como usar uma ferramenta diff para destacar partes adicionadas ou removidas. Esta gestão de múltiplas versões é semelhante ao controle de versão do Git, mas projetada especificamente para páginas web, sendo um design atencioso raro em ferramentas auto-hospedadas.
Ultrapassa mecanismos anti-bot, acessando conteúdo privado e páginas JS dinâmicas
Muitos sites, para evitar bots, bloqueiam ferramentas automáticas ou exigem login. O ArchiveBox oferece várias soluções alternativas, como usar um navegador headless para simular operações humanas, aumentando significativamente a taxa de sucesso. Para conteúdo privado, podes aceder a áreas de membros através de VPN ou cabeçalhos personalizados, embora seja necessário ter cuidado com os riscos de segurança, especialmente ao executar JS arquivado, que pode esconder código malicioso.
Além disso, ele também suporta listas de exclusão personalizadas, evitando arquivar páginas sensíveis ou inúteis. Estas configurações avançadas fazem do ArchiveBox não apenas um simples bot, mas uma solução de arquivamento auto-hospedada de nível profissional, adequada para utilizadores avançados que necessitam de controle profundo.
Implantação auto-hospedada simples, código aberto e gratuito para expansão a qualquer momento
Como ferramenta nativa do Docker, a instalação do ArchiveBox requer apenas alguns comandos, podendo ser executada em Raspberry Pi ou VPS, sem necessidade de configurações complexas. Ele utiliza SQLite como banco de dados, com baixo consumo de recursos, adequado para indivíduos ou pequenas equipes. A natureza de código aberto significa que podes modificar o código como quiseres, adicionar extratores personalizados ou integrar outros serviços, a longo prazo oferecendo uma excelente relação custo-benefício.
Em resumo, o ArchiveBox resolve o problema da perda de integridade do conteúdo online, oferecendo uma solução de arquivamento controlada e confiável. Se lidas frequentemente com pesquisa ou coleções, vale a pena experimentar.
Nome do produto: ArchiveBox
Website oficial: https://github.com/ArchiveBox/ArchiveBox