この記事は旧ブログから移転した記事です。
Dockerでもできますが、今回はgitで拾ってきます。
最初に忘れずに
sudo apt update必要な環境(事前にインストールしてください)
git(apt installする)
wget(apt installする)
pip(apt installする)
chrome(公式サイトからダウンロード＆インストール)
nginx(apt installする)
curl(無くてもOK/apt installする)
ArchiveBoxのインストール
git clone https://github.com/pirate/ArchiveBox
sudo python3 -m pip install --upgrade --ignore-installed archivebox※注意：上記２つ目のコマンド実行時に「ERROR: launchpadlib 1.10.13 requires testresources, which is not installed.」というエラーが出ることがあります。違うライブラリですがインストールの際に同様のエラーが出た方の記事があるので参考にしてみてください。
mkdir archivebox (フォルダの作成)
cd archivebox (ディレクトリ移動)
archivebox init --setupセットアップの為に新規でフォルダを作る必要があります(作らないとエラーが出る)。作成したら、そのファイルに移動してセットアップを実行します。
ユーザーネームやメールアドレスやパスワードの設定が出てくるので設定してください。パスワード以外はエンターで設定をスキップすることもできます。
※注意：設定後こんなエラーが出ることがあります。
[X] You must first install node using your system package manager
Hint: curl -sL https://deb.nodesource.com/setup_15.x | sudo -E bash -
or to disable all node-based modules run: archivebox config --set USE_NODE=False一応、無視しても動きます。
起動
nginxを起動→ArchiveBoxを起動 の手順。
sudo systemctl start nginx (nginxの起動)
cd archivebox (先ほど新規作成したフォルダにチェンジディレクトリ)
archivebox server 0.0.0.0:8000アクセスの仕方
ブラウザを起動して、http://localhost:8000にアクセスしてみます。するとアーカイブしたページが一覧表示されるページに辿り着けます。
ページのアーカイブ
先ほどのページからGUI操作でアーカイブすることはできないので、コマンド操作に戻ります。
cd archivebox (先ほど新規作成したフォルダにチェンジディレクトリ)
archivebox add 'アーカイブしたいサイトのURL'PDFやHTMLなど色々なフォーマットでアーカイブしてくれるのでちょっと時間がかかります。
アーカイブしたらブラウザに戻って先ほどのページをリロードしてみましょう。すると取得されたページがリストアップされていることが分かります。
ちなみに、curlのインストールなどを行っていない場合はアーカイブ中にエラーが出ますが、他のフォーマットで問題なくアーカイブできるので、お好みに合わせてどうぞ。
やっておいた方が良い設定(オプション)
デフォルト設定でページのアーカイブをすると自動的にarchive.orgにアップロードしてしまうので、全世界の人がアーカイブを見られるようになります。個人的な利用をしたい時にはちょっと面倒な設定なので、設定でarchive.orgにアップしないように設定しておきます。
(.confファイルを探して以下の「~~~」の部分を置き換えてください)
cd archivebox/~~~
sudo nano ~~~nanoで編集画面を開いたら以下の内容を追記
SUBMIT_ARCHIVE_DOT_ORG=False追記したら、「Ctrl + S」でセーブ→「Ctrl + X」で終了。
参考にしたサイト
