网站存档快照全量下载

要解决的问题

当你准备迁移一个站点、下线某个功能，或者接手一起需要取证的事故时，往往需要回到「这个页面过去长什么样」。在 Wayback Machine 界面里手动点几十次快照，既慢又容易漏：翻页会断，重复副本会污染证据，遇到站点下线更是连访问的机会都没有。

这个技能要解决的就是这件事：把某个 URL 的完整历史存档一次性拉下来，落到本地，形成一个可复查、可移交的证据目录，而不是几页截图。

核心能力

底层调用 waybackpack，把人从浏览器点击里解放出来。具体能力包括：

• 全量拉取：列出并下载某个 URL 的所有历史快照，不依赖 UI 翻页。
• 按日期收敛：支持 --from-date 与 --to-date，只在时间窗口内取档，适合定位某一阶段的版本。
• 去重：对重复副本做处理，避免同一个快照被重复保存，目录更干净。
• 本地留档：在站点变更或消失之前把证据固化到本地磁盘，之后即使源站已不可达也能复盘。

典型流程是：明确目标 URL 与时间范围 → 跑一次拉取 → 检查本地生成的快照目录 → 在取证或迁移前完成留存。

适用边界

• 需要 Python 3 环境，并预留足够的本地磁盘空间；快照数量随 URL 历史长度增长，别低估体积。
• tqdm 用于进度输出，缺了会影响进度条显示。
• 项目为纯 Python 实现，只依赖 requests，理论上任何能跑 Python 的环境都能用。
• 归档结果取决于 Wayback Machine 实际收录的快照：源站从未被抓取、或抓取间隔稀疏的 URL，本地也只能拿到已有的部分。
• 这解决的是「拿到存档」，不解决「验证快照内容真实性」——关键取证场景仍需配合哈希或时间戳等手段自行加固。