网页存档助手

问题：收藏夹并不等于存档

一个链接被收藏之后，页面可能被更新、删除或下线，依赖的外部资源也可能失效。当你需要引用某篇公告的原文、核对某项政策的旧版本，或在合规场景下证明当时看到了什么时，收藏夹里那条记录往往什么都证明不了——它只保存了入口，没有保存内容、时间点和完整性证据。

核心能力与工作方式

网页存档助手把“存档”拆成几个可执行的步骤：

• 范围与权限分级：先明确保存目的（研究引用、证据留存或日常阅读），再按公开、登录授权、含敏感信息、禁止抓取给目标分级；遇到付费墙、验证码或 robots 限制就停止自动采集，记录原因并降级为手工保存。
• 采集组合：重要页面不只用一种格式。HTML 保留链接与结构，PDF 固定版式，截图保留关键可见状态，TXT/Markdown 便于全文检索，标准归档包保留响应与资源关系，JSON/CSV 元数据支撑索引、审核与迁移。
• 运行记录：每条记录至少含原始 URL、最终跳转地址、采集时间、状态码、内容类型、工具版本和校验和；动态页面等待主要内容稳定后再保存，不凭任意延时假定加载完成。
• 验证与版本管理：从本地副本打开，检查正文、图片、字体、脚本依赖和交互；把结果分为成功、部分成功、失败、跳过，再次采集时追加版本而非覆盖。

边界与注意点

它不绕过登录、付费墙或访问控制，也不把存档当作法律上当然有效的公证证据。单一截图或单一 HTML 都不等于完整存档，文件存在也不等于可恢复。定期从非采集设备做恢复抽查是流程的一部分；格式或介质老化时，先迁移并验证，再淘汰旧副本。