Archivebox é um programa de arquivamento fácil de usar que permite criar um instantâneo preciso de qualquer site. Isso pode ser útil para arquivistas e usuários que desejam preservar informações online. Além disso, o Archivebox também é incrivelmente simples e fácil de usar. Por exemplo, você pode executar o programa como uma ferramenta de linha de comando e como um aplicativo da Web que pode ser acessado em qualquer lugar.
Por que você deve arquivar sites?
Ao longo dos anos, a World Wide Web permitiu que indivíduos em todo o mundo compartilhassem e comunicassem facilmente informações entre si. Um problema com a Web, no entanto, é que os sites não resistem ao longo do tempo.
A maioria dos sites só fica ativa por cerca de dois a cinco anos. Depois disso, eles ficam completamente offline ou são substituídos por um site diferente. Por exemplo, há pouco ou nenhum site da década de 1990 que ainda está online hoje.
Alternativamente, você também pode usar a máquina WayBack para arquivar sites – sem necessidade de instalação.
Requisito do Archivebox
Antes de instalar o Archivebox, você precisa ter os seguintes recursos:
- Uma máquina que você pode acessar de fora da sua rede doméstica. Isso pode ser uma máquina em casa que você pode encaminhar ou um VPS remoto alugado.
- Sua máquina precisa ter uma quantidade adequada de espaço de armazenamento. Na maioria dos casos, um disco de 1 TB deve ser capaz de armazenar entre 100.000 a 1.000.000 páginas da Web individuais.
- O sistema de arquivos da sua máquina precisa ser EXT4 ou ZFS para que o Archivebox funcione corretamente.
Observação: este tutorial se concentra na instalação e configuração do Archivebox em uma máquina local Ubuntu 22.04 LTS.
Instalando o Archivebox
Primeiro, instale as dependências do programa. Abra um terminal e digite o seguinte comando:
sudo apt install python3 nodejs python3-pip nginx npm npm install --no-audit --no-fund 'git+https://github.com/gildas-lormeau/SingleFile.git' npm install --no-audit --no-fund 'git+https://github.com/ArchiveBox/readability-extractor.git' npm install --no-audit --no-fund '@postlight/mercury-parser'
Instale o Archivebox através do Python PIP:
pip3 install archivebox PATH=$PATH:/home/$USER/.local/bin
Em seguida, crie uma pasta onde o Archivebox salvará todos os seus dados. No meu caso, estou criando meu diretório no meu diretório “/home/archivebox”:
mkdir /home/$USER/abox-data && cd /home/$USER/abox-data
Por fim, você pode finalizar sua instância do Archivebox executando o comando a seguir para baixar e configurar todos os patches do Python que o programa precisa para executar em sua máquina.
archivebox init --setup
Serão solicitados os detalhes do primeiro usuário.
Verifique se você instalou o Archivebox corretamente executando:
archivebox --version
Preparando a GUI da Web
Embora o Archivebox seja perfeitamente utilizável como um utilitário de linha de comando, também é possível acessar o programa através de uma interface web. Isso é útil se você deseja compartilhar o Archivebox com outros usuários ou acessar o programa fora do seu servidor.
Para hospedar uma GUI da web, você precisa criar um proxy reverso Nginx para redirecionar qualquer tráfego da web de entrada para o daemon do Archivebox.
Crie um novo arquivo de configuração Nginx:
sudo nano /etc/nginx/sites-available/archivebox
Copie e cole o código a seguir, alterando server_name ao seu próprio nome de domínio:
server { listen 80; listen [::]:80; root /home/archivebox/abox-data; server_name yetanotherarchivebox.xyz www.yetanotherarchivebox.xyz; location / { proxy_pass http://127.0.0.1:8000; } }
Habilite a configuração do Archivebox:
sudo ln -s /etc/nginx/sites-available/archivebox /etc/nginx/sites-enabled/
Reinicie o Nginx e inicie o daemon do Archivebox:
sudo systemctl restart nginx archivebox server 0.0.0.0:8000
Arquivando seu primeiro site
Abra seu navegador da web e acesse a instância do Archivebox por meio de seu nome de domínio. No meu caso, vou para “yetanotherarchivebox.xyz”.
Clique no botão “LOG IN” no canto superior direito da página.
Insira suas credenciais de usuário para efetuar login no utilitário.
Arquive seu primeiro site pressionando o botão “Adicionar” na barra lateral superior da página.
Isso carregará uma grande caixa de diálogo, onde você poderá adicionar uma lista de links da Web que deseja arquivar. No meu caso, estou adicionando “https://maketechasier.com”.
Em seguida, você pode escolher uma variedade de opções para arquivar seu site. Por exemplo, você pode fornecer um conjunto de tags para seus links para classificá-los corretamente.
Além disso, você pode dizer ao Archivebox para salvar o conteúdo de qualquer link imediato na página que deseja arquivar. Isso é útil nos casos em que você deseja preservar o contexto de um site.
Clique no botão “Adicionar URLs e Arquivar” para iniciar o processo de arquivamento. Na maioria dos casos, isso deve levar apenas entre um e dois minutos.
Arquivando um site usando a linha de comando
Para arquivar uma página da Web a partir da linha de comando, execute os seguintes comandos:
cd /home/$USER/abox-data archivebox add --depth=1 https://maketecheasier.com
Além disso, você também pode usar o add subcomando para arquivar uma lista de links da web. Por exemplo, executar o seguinte comando dirá ao Archivebox para salvar todos os links no meu arquivo “bookmarks.txt”:
archivebox add < /home/$USER/bookmarks.txt
Por fim, também é possível criar um arquivo autocontido de uma única página da web. Para fazer isso, execute o seguinte comando:
archivebox oneshot https://maketecheasier.com
Personalizando o Archivebox
Você também pode personalizar como o Archivebox obtém as páginas que ele salva. Por exemplo, é possível salvar apenas uma captura de tela de cada página da Web que você arquivar.
Isso é útil para usuários que desejam economizar espaço em disco ao armazenar sites. Para desabilitar os outros formatos, você precisa executar os seguintes comandos:
archivebox config --set SAVE_WGET=False archivebox config --set SAVE_WARC=False archivebox config --set SAVE_PDF=False archivebox config --set SAVE_SINGLEFILE=False archivebox config --set SAVE_READABILITY=False archivebox config --set SAVE_MERCURY=False
Adicionando um novo usuário no Archivebox
Para adicionar um novo usuário, volte para a GUI da web e clique no botão “ADMIN” na barra superior da página.
Uma vez dentro do Painel Administrativo, vá para a categoria “Autenticação e Autorização” e selecione “Usuários”.
Isso listará todos os usuários ativos no sistema. Selecione o botão “Adicionar usuário +” no canto superior direito da página.
Semelhante a adicionar usuários a um grupo Linux, o processo de criação de usuários no Archivebox pode ser complicado. Apesar disso, um novo usuário requer apenas três coisas para funcionar corretamente: nome de usuário, senha e um conjunto de permissões de usuário.
Para criar um novo usuário, primeiro forneça uma senha.
Depois disso, selecione as permissões de usuário para esse usuário específico. Na maioria dos casos, você só precisa alternar as seguintes opções para um usuário comum:
core | archive result | Can add archive result core | archive result | Can change archive result core | archive result | Can view archive result core | snapshot | Can add snapshot core | snapshot | Can change snapshot core | snapshot | Can view snapshot core | tag | Can add Tag core | tag | Can change Tag core | tag | Can view Tag sessions | session | Can add session sessions | session | Can change session sessions | session | Can view session
Forneça um nome de usuário para a nova conta de usuário. No meu caso, estou usando o nome “alice”.
Por fim, selecione o botão “SALVAR” no canto inferior direito da página para aplicar suas alterações.
perguntas frequentes
Como posso resolver um erro “Falha ao instalar pacotes Python”?
Isso acontece devido a um bug no Archivebox que o impede de encontrar os binários que está procurando. Apesar disso, este erro afeta apenas uma pequena parte do programa e não danificará a integridade do seu arquivo.
Uma maneira de mitigar esse problema é garantir que sua instalação esteja sempre atualizada. Faça isso executando pip3 install --upgrade archivebox.
Como posso corrigir o erro “HTTPSConnectionPool” sempre que salvo um site?
Este erro ocorre sempre que um site não possui uma versão HTTPS válida. Corrija esse problema forçando o Archivebox a arquivar por meio de HTTP. Por exemplo, correr archivebox add http://insecurewebsite.com forçará o programa a usar HTTP.
O que posso fazer quando minha nova conta de usuário não pode arquivar um site?
Esse problema é provavelmente devido a configurações de permissões ausentes em sua nova conta de usuário. Uma maneira de corrigir esse problema rapidamente é garantir que sua nova conta de usuário tenha o core | snapshot | Can add snapshot permissão.
Apoie o nosso trabalho ❤️
Se você gostou deste artigo, considere deixar uma gorjeta para nos ajudar a continuar publicando conteúdo de qualidade.
