互联网档案馆：互联网时光机，一个非营利性的数字图书馆

互联网档案馆是什么？

互联网档案馆（Internet Archive）是一个非营利性的数字图书馆，1996年由Brewster Kahle创立，总部在美国。它的核心目标是让所有人都能访问所有知识。它最核心的服务是网页时光机。现已保存超过9160亿个网页存档，还有几百万本书、音频、视频、软件等数字资源。它用自动爬虫定期抓取互联网内容，为后代保存数字文化遗产。

互联网档案馆官网：https://archive.org/

互联网档案馆功能特征

互联网时光机

这是它最出名的功能。你可以查看任何网址在过去的样子。输入网址后，通过日历视图选择具体日期，就能看到当时的页面。支持用通配符搜索，比如输入domain.com/blog/*，可以查找某个目录下的所有存档页面。还有"查阅改动"功能，可以并排对比两个时间点的版本差异，不同的地方会用颜色标出来。

即时存档

可以马上保存当前网页，生成一个永久公开的链接。支持抓取页面里的外部链接。装浏览器扩展后可以一键保存。

数字图书馆

除了网页，还收藏了：

图书：将近3000万本电子书
学术资源：超过2500万份学术论文
音视频：几百万小时的电视新闻存档（字幕可以全文检索）、音乐、电影
软件与游戏：很多DOS游戏、老软件，可以直接在浏览器里运行，比如用EM-DOSBox模拟器

开发者工具

提供免费API接口，支持批量查询、自动存档集成
支持用Google表格批量提交网址进行存档
可以把存档功能接到第三方应用里，比如Meedan的事实核查工具

互联网档案馆应用场景

信息考古：找回已经关闭的个人博客、论坛、GeoCities等消失网站的内容
学术研究：解决失效链接问题，保证研究严谨；作为技术证据（已经被多国法院接受）
事实核查：对比网页不同时间的版本，追踪企业改服务条款、新闻改措辞、删争议言论等行为
设计参考：研究知名产品（比如苹果、淘宝）网站的变化历史，学习设计趋势
怀旧娱乐：重温学校官网以前的样子、第一个社交主页，或者在浏览器里玩经典DOS游戏
数据备份：保存可能被删的热点新闻、社交媒体帖子作为证据

互联网档案馆优缺点分析

优点

历史数据非常深：数据从1996年开始，有超过万亿级快照，覆盖了从互联网早期到现在的数字遗产
完全免费：核心功能对公众免费开放，靠捐款维持运营
功能多：不只是网页存档，还整合了图书、音视频、软件等多种数字资源
能即时存档：可以马上锁定重要信息，防止丢失
很稳定：作为大型非营利组织，目标是永久保存数据
法律认可：存档已经被多国法院接受作为证据

缺点

抓取不完整：不是所有网站/页面都被存档，动态内容、需要登录的页面可能显示不了；对现代JavaScript动态页面抓取效果一般
更新慢：爬虫抓取间隔从几天到几个月不等，最新内容可能会有延迟
遵守robots.txt：如果网站所有者禁止抓取，就不会存档（不过有办法规避）
界面体验一般：核心搜索界面偏向功能性，对新手来说有点复杂
运营有风险：靠捐款维持，未来资源扩展不确定
有安全隐患：2024年10月发生过数据泄露，3100万用户认证记录被盗

互联网档案馆(图1)

2004年的淘宝

互联网档案馆使用方法

基础操作

查看历史网页：访问 https://web.archive.org/ → 输入网址 → 在日历视图中点击高亮日期查看快照
保存当前页面：访问 https://archive.org/web/ → 右下角"Save Page Now" → 输入网址保存
浏览其他资源：点击顶部导航图标：图书、视频、音频等进入不同资料库

进阶技巧

批量保存：把网址放到Google表格A列，通过 https://archive.org/services/wayback-gsheets/ 提交，自动填充存档状态
邮件存档：发网址到 spn@archive.org，主题写"capture outlinks"可以保存外部链接
浏览器扩展：装官方插件（Chrome/Firefox/Safari），可以自动检测404页面并提示存档、一键查看历史