从 Archive.org 恢复网站：自己动手还是全托管服务？

从 Archive.org 找回一个已下线的网站有两种方式。你可以花一个周末折腾 wget、手动重写链接，也可以按文件付费，让清理好的网站直接部署到你的主机上，自己去做别的事。两种方式都合理，也都有人告诉你另一种是错的。

这两种方式我都用过，小到十页的作品集，大到 2009 年带有 4,000 个附件的 phpBB 论坛。以下是真实的拆解, 每种方式的成本、各自的坑，以及一套不会默认你的时间不值钱的决策框架。

从 Archive.org 恢复网站时，你实际能得到什么

先说好预期：存档不是备份。Wayback Machine 只存储其爬虫能抓取到的内容：HTML 页面，以及公开且可抓取的图片、CSS 和 JavaScript。这已经很多了, 通常是整个可见站点。

它不存储的内容：登录后的页面、表单处理程序、数据库、搜索索引，以及较新站点中由 JavaScript 在运行时渲染的内容。恢复后的 WordPress 站点会变成静态页面，而不是 WordPress。恢复后的商店没有可用的购物车。无论你选哪种方式，这个上限都存在, 全托管服务恢复的文件和你一样，只是更快、更干净。

还有一个预期需要说明：快照不等于保证。爬虫可能抓取了某个页面的 HTML，但那天跳过了主视觉图，或者存了一个重定向而非页面本身。对于屏蔽了存档或处于激进反爬保护下的站点，覆盖也会变薄。不过对于大多数公开且有链接的站点，存档的深度出人意料, 你早已遗忘的页面类型也会回来。

自己动手的完整步骤

DIY 工具链是免费的，而且确实好用。对于小型、基本静态的站点，这是一个完全合理的周末项目：

1. 查找快照：使用 Wayback Machine 日历或 CDX API 列出该域名所有已抓取的 URL。
2. 批量下载：使用 wayback-machine-downloader 或 wget 配合镜像参数，针对你选择的日期范围运行。我们关于如何从 Archive.org 下载网站的指南涵盖了具体命令。
3. 清理标记：去除存档注入的工具栏代码，将带 web.archive.org 前缀的 URL 重写为相对链接。
4. 寻找缺失资源：爬虫跳过的图片和文件需要从其他来源获取或重新制作。
5. 本地测试，然后上传到你的主机，修复迁移导致的问题, 通常是绝对 URL 和 HTTPS 混合内容警告。

按人工操作计算，每页预留 10 到 15 分钟，工具好的话可以更少。30 页的站点一个下午能搞定。300 页的站点则需要一个月的晚上时间。

DIY 恢复容易出问题的地方

下载是最简单的部分。清理才是吞噬周末的环节。

• 链接手术：每个 href 和 src 都指向 web.archive.org。重写它们听起来简单，直到你遇到查询字符串、编码 URL 和藏在 JavaScript 里的链接。
• 缺失图片：爬虫的图片覆盖参差不齐，尤其是 2015 年之后的。你只能一个一个地发现损坏的缩略图。
• 隐性遗漏：你忘了存在的页面, 旧落地页、标签存档, 除非你事先列出了每个 URL，否则它们会一直处于死链状态。
• 字符集乱码：以 Latin-1 编码的旧站点，当你的工具默认 UTF-8 时，恢复回来会出现乱码。
• 80% 陷阱：站点的前 80% 只花 20% 的时间。剩下的 20%, 奇怪的模板、框架页、Flash 时代的页面, 会耗掉其余所有时间。我见过一个客户的 WooCommerce 商店被报价为快速任务，结果店主花了六个星期的晚上时间，而且分类分页始终没正常工作过。

注意这个清单上没有的：下载本身。获取文件是一个已解决的问题。我听过的每一个 DIY 失败案例, 我听过很多, 都是因为有人低估了清理工作量，而不是下载。

用全托管方式从 Archive.org 恢复网站

全托管工具之所以存在，是因为清理可以自动化，而下载从来不是产品, 清理才是。Restorix 为你执行恢复：你选择域名和日期范围，它拉取存档文件、重写链接、按你的要求去除指定内容，然后部署结果。

关键细节：估算是免费的，在付费前会显示确切的存档文件数、总大小和锁定价格, 你按恢复的文件数付费，外加一笔小额固定费用，第一个文件免费。恢复选项覆盖了繁琐的部分：移除分析代码、广告、iframe 和外部链接；压缩 JS 和 CSS；将内部链接转为相对路径；规范化 www 或非 www；保留 301 和 302 重定向；将所有内容转为 HTTPS。

部署只需一键，支持 SSH 或 SFTP 服务器、FTP 或 FTPS 共享主机，或 S3。内置的单文件 CMS（webarchive-cms.php）让恢复后的站点保持可编辑, 内容编辑、查找替换、文件管理器，每站点独立管理密码，默认开启安全模式。如果恢复或部署失败，余额退款自动到账。充值为一次性，没有需要记得取消的订阅。

DIY 与全托管：真实对比

有两行值得强调。时间这一行不是线性的, 站点越旧越怪，DIY 每页成本就越高。而风险这一行是人们最容易忽视的：DIY 恢复失败浪费的是你的时间，全托管恢复失败你什么都不损失。

如何决定哪种方式适合你

抛开理念。这个决定就是算术加上一个关于你自己的诚实问题。

• 30 页以下、静态站点，而且你喜欢折腾这类东西：选 DIY。这是一个有成就感的项目，而且确实免费。
• 100 页以上，或任何资源密集型站点：选全托管。每页时间成本很快就不利于 DIY。
• 客户项目或有截止日期：选全托管。锁定价格加自动运行的任务，胜过对自己晚上时间的乐观估计。
• 你的时薪乘以 DIY 所需小时数超过锁定估算：选全托管。算算实际数字, 人们总是系统性地低估自己的时间。
• 你想了解存档的工作原理：先 DIY 一个小站点。知识可以迁移，之后你使用全托管工具时会更有判断力。

混合策略被低估了：先在小站点上 DIY 下载以理解流程，然后在真正重要的站点上付费恢复。即使是坚定的 DIY 党也应该跑一下免费估算, 知道真实的存档文件数能提前告诉你，你的周末计划是两小时还是二十小时。

从 Archive.org 恢复网站的第一步，无论你选哪种方式

1. 确认覆盖范围：找到站点看起来完整且关键页面有快照的日期范围。
2. 选择目标日期：选外观最好的时期，不一定是最近的。
3. 统计真实规模：运行免费估算，获取确切的存档文件数和总大小。
4. 用上面的框架选择你的方式。
5. 安排主机：任何共享主机或 VPS 都行；全托管部署直接支持 SSH、SFTP、FTP 和 S3。
6. 恢复完成后，逐一点击每种页面类型一次，在宣布完成前修复失效的表单。教程涵盖了完整流程。