¿Cómo puedo archivar una página web en archive.today usando wget o curl?

Para archivar una página web en la Wayback Machine de Internet Archive, normalmente hago:

wget --spider "https://web.archive.org/save/https://example.com" 

¿Existe un método similar que pueda utilizar para archivar páginas web en archive.today ?

Respuesta

He analizado la solicitud de guardar manualmente un archivo (las herramientas de desarrollador de Firefox tienen una función práctica «Copiar como cURL» para esto; consulte la parte inferior de la publicación para La solicitud real). Incluye una gran cantidad de pelusa (agente de usuario, cookies, origen, etc.) que se pueden omitir, y no es necesario escapar de las barras en la URL. Simplemente ejecutar

curl -v "https://archive.vn/submit/" \ --data-raw "url=https://webapps.stackexchange.com/users/218839/flux" 

ya es suficiente para archivar su página de perfil . Inicialmente , la respuesta era HTML que contenía un enlace «trabajo en progreso»: https://archive.vn/wip/dk2xB que puede utilizar para supervisar el progreso y / o como enlace final.

<html><body><script>setInterval(function(){document.location.replace("https://archive.vn/wip/dk2xB")},1000)</script><div> <img width="48" height="48" style="vertical-align:middle" src="https://archive.vn/loading.gif"/> <span style="vertical-align:middle;font-size:48px;padding-left:5px">Loading</span> <hr/> </div></body></html> 

Ahora que lo intento de nuevo, un par de horas después, no obtenga HTML como respuesta, pero un HTTP 302 (encontrado) con la URL final en el encabezado de ubicación: https://archive.vn/dk2xB .

Así es como se ve la página archivada:

ingrese la descripción de la imagen aquí


La solicitud cURL original es

curl "https://archive.vn/submit/"\ -H "User-Agent: Mozilla/5.0 (Macintosh; Intel Mac OS X 10.15; rv:81.0) Gecko/20100101 Firefox/81.0"\ -H "Accept: text/html,application/xhtml+xml,application/xml;q=0.9,image/webp,*/*;q=0.8"\ -H "Accept-Language: en-US,en;q=0.5"\ --compressed\ -H "Content-Type: application/x-www-form-urlencoded"\ -H "Origin: https://archive.vn"\ -H "Connection: keep-alive"\ -H "Referer: https://archive.vn/"\ -H "Cookie: _ga=GA1.2.661111166.1603535444"\ -H "Upgrade-Insecure-Requests: 1"\ -H "TE: Trailers"\ --data-raw "submitid=1Z%2FjKja%2BtkGo%2BmykS2%2BrMYgTje4YZV9xk8OIlwY4NT2mLExajP7ZRmnTbJku2aMX&url=https%3A%2F%2Fwebapps.stackexchange.com%2Fquestions%2F148066%2Fhow-do-i-archive-a-webpage-to-archive-today-using-wget-or-curl" 

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *