ArchiveBox: オープンソースのセルフホスト型ウェブアーカイブ

archivebox-archivebox：セルフホスト型ウェブアーカイブ

ArchiveBox は、ウェブサイトのコンテンツを複数の形式で保存するためのセルフホスト型アプリケーションです。README では、組織や個人がデータの管理を維持しながら公開・非公開のウェブコンテンツをアーカイブできるオープンソースツールと説明されています。標準の HTML、PNG、PDF、TXT、JSON、WARC、SQLite ファイルを保存し、これらは ArchiveBox を実行しなくても読み取れます。プロジェクトは Chrome、wget、yt-dlp などの既存ツールを使用し、すべてを通常のファイルとフォルダに保存します。動機は、能動的な保存作業がなければ、インターネット上のすべては最終的に消え去るか劣化する、というものです。

archivebox-archivebox：URL をアーカイブに取り込む

ArchiveBox は URL を一度に 1 つ受け取ることも、スケジュールに従って一括インポートすることもできます。入力ソースには、公式ブラウザ拡張機能、エクスポートしたブラウザ履歴やブックマーク、RSS フィード、JSON、CSV、TXT、SQL、HTML、Markdown ファイル、および Pocket、Pinboard、Instapaper、Shaarli などのブックマークサービスが含まれます。archivebox-proxy という MITM プロキシツールは、任意のデバイスからのトラフィックをリアルタイムにキャプチャできます。`archivebox add` コマンドは手動インポートを処理し、`archivebox schedule` は別の cron コンテナを必要とせずに定期的なインポートを実行します。README は、テキストベースのあらゆる形式の URL をサポートすると述べています。

archivebox-archivebox：各スナップショットの内容

追加された URL ごとに、ArchiveBox は Snapshot フォルダを作成し、通常のファイルを保存します: index.html と index.json、元の HTML と CSS/JS、SingleFile HTML スナップショット、wget クローン、印刷用 PDF、スクリーンショット PNG、DOM ダンプ、抽出された記事テキスト、レスポンスヘッダ、ファビコン、archive.org へのリンクなどです。また、yt-dlp を使用してメディア（MP3、MP4、字幕、メタデータ）を抽出し、GitHub、GitLab、Bitbucket のリンクから Git リポジトリをクローンします。抽出ツールは標準で動作しますが、設定で個別に無効化できます。README はこれらの形式を数十年にわたって読み取り可能な耐久性のあるものとしています。

archivebox-archivebox：インストール方法

README は、最も簡単なインストール方法として Docker Compose を推奨しており、docker-compose.archivebox.io から docker-compose.yml をダウンロードします。純粋な Docker、uv ベースのインストール（`uv tool install --python 3.13 --upgrade 'git+https://github.com/ArchiveBox/ArchiveBox.git@dev'`）、apt、Homebrew、pacman、pkg、nix、curl スクリプトも記載されています。対応 OS は Linux、BSD、macOS、Windows（Docker 経由）です。インストール後、空のデータディレクトリで `archivebox init` を実行し、次に `archivebox install` を実行して Chrome、SingleFile、yt-dlp などの実行時依存関係をインストールします。同じコマンドは Docker 経由で `docker compose run archivebox` または `docker run` を使用して実行できます。

archivebox-archivebox：CLI、Web UI、API

ArchiveBox はターミナル、セルフホスト型 Web インターフェース、Python API（ベータ版）、REST API（アルファ版）から管理できます。CLI サブコマンドには、`add`、`list`、`update`、`remove`、`schedule`、`config`、`server`、`manage` があります。Web UI はデフォルトでポート 8000 で実行され、公開用と管理用のサブドメイン（web.archivebox.localhost と admin.archivebox.localhost）が用意されています。SQLite3 とファイルシステムから直接アーカイブにアクセスすることもできます。README は、すべてのインターフェースは同等であり、同じデータに対して互換的に使用できると述べています。

archivebox-archivebox：設定とデータ管理

設定は環境変数、`archivebox config` コマンド、または `./ArchiveBox.conf` ファイルで行えます。README には `PUBLIC_ADD_VIEW`、`PERMISSIONS`、`PUBLIC_INDEX`、`BASE_URL`、`BIND_ADDR` などの設定が記載されています。デフォルトでは、ArchiveBox は冗長性のために各ページのコピーを archive.org にも保存しますが、ローカルのみの使用のために無効化できます。データは通常のファイルと SQLite インデックスに保存されるため、アーカイブディレクトリを別のマシンにコピーしたり、ArchiveBox を実行せずにスナップショットを読み取ったりできます。

archivebox-archivebox：ライセンスとプロフェッショナルサポート

ArchiveBox は MIT ライセンスで公開されており、著作権は Nick Sweeting に帰属します（ライセンス抜粋の著作権年は 2026 年）。MIT ライセンスは、ソフトウェアの複製を使用、コピー、変更、結合、公開、配布、再ライセンス、販売する権利を許諾し、ソフトウェアは「現状のまま」提供され、いかなる種類の保証もないことを明記しています。README には、ジャーナリスト、弁護士、研究者、個人、政府向けの有料プロフェッショナル統合サービスも記載されており、セットアップ支援、CAPTCHA とレート制限の解除、SSO、監査ログなどが含まれます。README によると、このプロジェクトは 501(c)(3) 非営利団体の財政スポンサーの下で運営されています。

保存対象を決めるときは、ページ本文だけでなく、取得元の規約、ログイン状態、外部メディアの扱いを分けて考えます。ArchiveBox は HTML や PDF だけでなく、動画、画像、字幕、Gitソースなども取り込めるとREADMEにありますが、取得成否は対象サイトと依存ツールに左右されます。まず少数のURLで `archivebox add` を実行し、生成されたHTML、WARC、SQLiteインデックス、ログを個別に開いて、後から必要な形式が残るか確認するのが実務的です。

編集部の結論

ArchiveBox は MIT ライセンスのセルフホスト型アーカイブツールで、スナップショットを一般的な形式で保存し、URL の取り込みと結果へのアクセスに複数の方法を提供します。

公式情報源

1. Official documentation
2. Official README
3. Project repository
4. Release notes