For at arkivere en webside i internetarkivets Wayback-maskine gør jeg normalt:
wget --spider "https://web.archive.org/save/https://example.com" Er der en lignende metode, som jeg kan bruge til at arkivere websider til archive.today ?
Svar
Jeg har analyseret anmodningen om manuel lagring af en fil (Firefox “-udviklerværktøjer har en praktisk” Kopier som CURL “-funktion til dette – se bunden af indlægget for den egentlige anmodning). Det indeholder en masse fnug (brugeragent, cookies, oprindelse osv.), som kan udelades, og det er heller ikke nødvendigt at undslippe skråstreg i URLen. Det er allerede tilstrækkeligt at udføre
curl -v "https://archive.vn/submit/" \ --data-raw "url=https://webapps.stackexchange.com/users/218839/flux" til at arkivere din profilside . Oprindeligt svaret var en HTML, der indeholdt et link “igangværende arbejde”: https://archive.vn/wip/dk2xB som du kan bruge til at overvåge fremskridtene og / eller som et sidste link.
<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> Nu hvor jeg prøver det igen, et par timer senere, får ikke HTML som svar, men en HTTP 302 (fundet) med den endelige URL i placeringsoverskriften: https://archive.vn/dk2xB .
Sådan ser den arkiverede side ud:
Den oprindelige cURL-anmodning er
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"