基于 Cloudflare 的免费网页归档和分享工具

2024年11月01日19:02:04 科技 1796

Web Archive 是一个网页归档工具，包含以下几个部分：

浏览器插件：将网页保存为网页快照，并上传到服务端。
服务端：接收浏览器插件上传的快照，并存储在数据库和存储桶中。
web 客户端：查询快照并展示。

服务端基于 Cloudflare Worker 的全套服务，包含 D1 数据库、R2 存储桶。

Why

大多数网页归档工具，比如 archivebox，都是基于服务器调用无头浏览器抓取的方式进行归档。
这种做法的弊端是知乎、medium 这种需要登录的网站操作很麻烦，需要配置 token 或 cookie。
同时无头浏览器对服务器的要求也比较高，大多数都是 nas 用户在使用。
web-archive 是一个完全免费、无门槛的方案，而且 Cloudflare 可以非常方便的将数据迁移回本地转为 self-host。

github：https://github.com/Ray-D-Song/web-archive

feat & roadmap

文件夹分类
页面预览图
标题关键字查询
橱窗，可以分享自己抓取的页面
移动端适配
tag 分类系统
将页面保存为 markdown

部署指南

Github Actions 一键部署(推荐)

点击上面的按钮，按照 Cloudflare 的指引完成部署。

Important

R2 存储桶是需要在 Cloudflare 面板上手动开通的功能，请开通后再进行部署或者失败后 re-run Github Actions。仅需开通 R2 功能，不需要创建存储桶，存储桶会在部署时自动创建。

Note

创建令牌时，直接选择编辑 Cloudflare Workers 模版，再手动添加 D1 编辑权限。

部署后请尽快登录，首个登录的用户会被设置为管理员。

命令部署

要求本地安装了 node 环境。
命令部署时更新比较麻烦, 推荐实用 Github actions 部署。

0. 下载代码

在 release 页面下载最新的 service.zip，解压后在根目录执行后续操作。

1. 登录

npx wrangler login

2. 创建 r2 存储桶

npx wrangler r2 bucket create web-archive

成功输出：

 ⛅️ wrangler 3.78.10 (update available 3.80.4)
--------------------------------------------------------

Creating bucket web-archive with default storage class set to Standard.
Created bucket web-archive with default storage class set to Standard.

3. 创建 d1 数据库

# 创建数据库
npx wrangler d1 create web-archive

执行输出：

 ⛅️ wrangler 3.78.10 (update available 3.80.4)
--------------------------------------------------------

✅ Successfully created DB 'web-archive' in region UNKNOWN
Created your new D1 database.

[[d1_databases]]
binding = "DB" # i.e. available in your Worker on env.DB
database_name = "web-archive"
database_id = "xxxx-xxxx-xxxx-xxxx-xxxx"

拷贝最后一行，替换 wrangler.toml 文件中 database_id 的值。

然后执行初始化 sql:

npx wrangler d1 execute web-archive --remote --file=./init.sql

成功输出：

 Executing on remote database web-archive (7fd5a5ce-79e7-4519-a5fb-2f9a3af71064):
 To execute on your local development database, remove the --remote flag from your wrangler command.
Note: if the execution fails to complete, your DB will return to its original state and you can safely retry.
├  Uploading 7fd5a5ce-79e7-4519-a5fb-2f9a3af71064.0a40ff4fc67b5bdf.sql
│  Uploading complete.
│
 Starting import...
 Processed 9 queries.
 Executed 9 queries in 0.00 seconds (13 rows read, 13 rows written)
   Database is currently at bookmark 00000001-00000005-00004e2b-c977a6f2726e175274a1c75055c23607.
┌────────────────────────┬───────────┬──────────────┬────────────────────┐
│ Total queries executed │ Rows read │ Rows written │ Database size (MB) │
├────────────────────────┼───────────┼──────────────┼────────────────────┤
│ 9                      │ 13        │ 13           │ 0.04               │
└────────────────────────┴───────────┴──────────────┴────────────────────┘

4. 修改 BEARER_TOKEN

BEARER_TOKEN 是访问 web-archive 的凭证，相当于密码，修改 wrangler.toml 文件中 BEARER_TOKEN 的值。

5. 部署服务

# 部署服务
npx wrangler pages deploy

成功输出：

The project you specified does not exist: "web-archive". Would you like to create it?
❯ Create a new project
✔ Enter the production branch name: … dev
✨ Successfully created the 'web-archive' project.
▲ [WARNING] Warning: Your working directory is a git repo and has uncommitted changes

  To silence this warning, pass in --commit-dirty=true

  Uploading... (3/3)

✨ Success! Uploaded 3 files (3.29 sec)

✨ Compiled Worker successfully
✨ Uploading Worker bundle
✨ Uploading _routes.json
 Deploying...
✨ Deployment complete! Take a peek over at https://web-archive-xxxx.pages.dev