作者通过一个静态网站管理书签，并保存了 2000 多个页面的本地快照，以确保即使原始网站离线或更改，也能随时访问。

个人网页存档的特点和需求

• 个人用途：这是一个仅供个人使用的网页存档，可自由决定包含内容和工作方式，与专业或机构设置不同，更注重个人需求。
• 完整副本：存档应包含所书签的每个页面的完整副本，包括文本、图像、视频、样式等，即使原始站点更改或离线，仍能查看保存的页面。
• 本地存储：不依赖可能会中断、更改或关闭的在线服务，如 Pinboard 曾不可靠，作者曾为此付费但仍出现问题。
• 易存新页：每周会添加几个新书签，希望存档能及时更新，且添加页面不应成为负担。
• 支持私页：可包含付费墙或登录屏幕后的私人页面，因为许多网络存档只保存公共内容，自己保存私人页面更重要。
• 可编辑快照：既可添加外部资源，也可删除不需要的内容，如广告、跟踪代码等，以减少快照大小，提高可读性。

网页存档的外观和结构

• 静态文件夹：将存档的书签视为静态文件，保存在本地文件系统的文件夹中，每个页面都有一个包含 HTML、样式表、图像和其他链接文件的文件夹，类似于“迷你网站”，方便在浏览器中打开查看。
• 不使用 WARC 或 WACZ：许多机构使用 WARC 或 WACZ 格式存储网页存档，但作者认为在个人存档中不需要额外的上下文信息，也不想依赖有限的工具，更喜欢文件和文件夹的灵活性，可在任何浏览器中打开 HTML 文件进行编辑。

保存本地网页副本的方法

• 手动保存单个页面：通过浏览器的“保存为”按钮保存 HTML 文件，然后在浏览器和文本编辑器中打开，使用开发者工具查找并下载需要本地保存的外部文件，如样式表、字体、图像等，编辑 HTML 指向本地副本，直到页面加载正常，获得自包含的离线副本。在开发者工具的“网络”标签中查看页面加载的文件来源，确保从本地磁盘获取；在“控制台”标签中检查页面加载错误，修复问题。
• 删除垃圾内容：在保存页面时删除不需要的内容，如广告、时间敏感事件的横幅、内联相关内容链接、Cookie 通知、分析和跟踪等服务，以减少快照大小，提高加载速度和可读性。但在公共环境中会更谨慎，因为机构网络存档通常尽量保持页面原样。
• 使用模板：对于经常书签的大型复杂网站，创建简单的 HTML 模板，将新页面的文本和图像复制到模板中，而不是每次都解析网站的 HTML，这样更快速，且保存了文章的内容。
• 回填现有书签：将来自多个来源的部分收藏逐渐整合到新的存档中，每天处理几个书签，修复损坏的页面，下载缺失的文件，删除广告等垃圾内容，花费约一年时间迁移了 2000 多个书签，确保每个书签都经过手动检查。
• 备份备份：将保存为文件夹的网站像其他文件一样备份，使用 Time Machine 和 Carbon Copy Cloner 备份到外部 SSD，使用 Backblaze 创建云备份。

不使用自动化工具的原因

• 自动化工具虽能保存大量网页，但存在准确性问题，如 Pinboard 存档中存在缺失图像、损坏样式或依赖原始站点 JavaScript 等问题，作者决定手动创建新存档，虽速度较慢，但能确保每个页面都有良好的副本。

关于网页存档的经验教训

• 依赖已失效服务：发现许多页面依赖已不存在的第三方服务，如照片分享网站、链接重定向服务等，导致页面加载时关键资源缺失。
• 页面内容变化：即使网站仍在运行，页面内容也可能已更改，如 iTunes 教程在 LiveJournal 上被替换为“18+警告”，这种失败难以自动检测，需要人工查看。
• 糟糕的重定向：许多网站的原始 URL 已失效，但通过搜索标题可在不同 URL 找到故事，这让人失望，作者认为设置重定向很重要，可方便查找旧内容。
• 图像保存难题：如今的图像更复杂，有懒加载和<picture>标签等特性，自动化工具难以处理，作者在个人存档中总是保存每个图像的最高分辨率副本，但不确定这是否是最佳答案。
• 收集边界模糊：对于保存初始 HTML 页面后还应保存什么内容，难以制定良好的规则，需要根据具体情况做出决策，这也是手动创建存档的原因之一。

是否应创建个人网页存档

• 推荐拥有个人网页存档，就像保存喜欢的书籍纸质副本一样，即使原始网站消失也能随时阅读。但不推荐完全模仿作者的做法，手动创建存档花费大量时间和精力，只有有网站建设经验的人才能做到。不过，即使只是拍摄一些屏幕截图、保存一些 PDF 或下载喜欢的小说的 HTML 副本，也是有用的备份。如果想扩大存档规模，可以使用自动化工具，但手动创建的文件夹即使只有几个文件也比没有好。在创建存档的过程中，作者学到了很多关于网页构建的知识，在系列文章的第三部分将分享这些经验。如果想知道第三篇文章的发布时间，可以订阅作者的 RSS 或时事通讯。