ArchiveBox evoluciona: el futuro del archivo de internet autoalojado

• ArchiveBox presenta nuevas funciones para autoalojar un archivo de internet
• Tras los recientes ataques contra Archive.org, ha aumentado el interés en ArchiveBox
  • ArchiveBox enfatiza que apoya la misión de Archive.org y que su servicio aporta un valor importante para la humanidad

Límites de los archivos públicos

• La gente suele evitar archivar por miedo a que quede preservado de forma permanente
• Se necesita que las personas tengan la facultad de archivar lo que consideran importante
• Hace falta una solución para archivar contenido personal y semiprivado adaptada al entorno web moderno

La importancia del archivado

• Familias, personas y empresas quieren conservar el contenido que es importante para ellas
• El archivado de contenido personal presenta desafíos de seguridad y requiere precaución

Contenido malicioso

• Los archivos públicos a veces pueden causar problemas al preservar contenido como racismo, violencia y discursos de odio
• Es necesario reflexionar sobre cómo preservar este tipo de contenido

Presentación del nuevo ecosistema de plugins de ArchiveBox

• ArchiveBox v0.8 es la mayor actualización en la historia del proyecto e introduce un nuevo ecosistema de plugins
• Incluye plugins que ofrecen diversas funciones respaldadas por la comunidad
  • yt-dlp descarga video, audio y subtítulos desde YouTube, Soundcloud, YouKu y más
  • papers-dl descarga automáticamente PDFs de artículos científicos cuando detecta un número DOI
  • gallery-dl descarga galerías de fotos desde Flickr, Instagram y otros sitios
  • forum-dl descarga foros antiguos y hilos de comentarios profundamente anidados
  • readability extrae el texto de artículos a .txt, .md y .epub
  • ai envía capturas de pantalla y texto de páginas a un LLM con prompts personalizados y guarda la respuesta
  • webhooks activa APIs externas cada vez que se guarda cierto resultado y envía pings a Slack, N8N y más
  • Además, hay muchas otras funciones
• El sistema de plugins se basa en las bibliotecas pluggy y pydantic

Desarrollos adicionales

• La nueva REST API fue construida con django-ninja
• Se agregó soporte para almacenamiento externo
• Se introdujo una etapa inicial de un sistema de almacenamiento direccionable por contenido
• Se añadió un sistema de trabajos en segundo plano
• Está previsto el lanzamiento de una nueva herramienta, abx-dl, para usuarios más simples

"ArchiveBox está diseñado como local-first usando SQLite, y P2P siempre es opcional"

Resumen de GN⁺

• ArchiveBox es una herramienta que ayuda a personas y empresas a construir su propio archivo de internet, y los cambios recientes refuerzan aún más esa capacidad
• Complementa las limitaciones de los archivos públicos y ofrece una forma de preservar de manera segura contenido personal y sensible
• El ecosistema de plugins ofrece funciones variadas que mejoran la experiencia de uso

[xguru]

ArchiveBox - herramienta de archivado web autohospedada

[GN⁺]

Comentarios de Hacker News

• Hay opiniones sobre la sostenibilidad de ArchiveBox y la necesidad de mejorarlo. La participación de la comunidad es importante, y se entiende la dificultad de un desarrollador en solitario.

  • ArchiveBox necesita el apoyo de la comunidad para convertirse en un proyecto más estable y confiable.
  • El archivado no es solo para el pasado, sino también para el futuro, y podría requerir una organización de desarrollo sostenible.

• Hay expectativas por la nueva API y los plugins de ArchiveBox. Lo han estado usando para archivar desde hace 2 años.

• Herramientas como grab-site podrían ser útiles para crear y almacenar archivos WARC. Podrían hacer falta índices CDX y soporte de firmas cifradas para un archivo distribuido.

• Comparten la experiencia de usar ArchiveBox para archivar información sobre barcos antiguos. Expresan tristeza por la desaparición de los viejos foros web.

• Están usando Readeck.org para archivar páginas web personales y les interesa la dirección de archivado distribuido de ArchiveBox.

• Preguntan por la disponibilidad de abx-dl y expresan su disposición a ayudar con el empaquetado.

• Hay expectativas por la REST API y lamentan la ausencia de una función de búsqueda. Hace falta una función de consulta mediante un índice FTS.

• Sienten la necesidad de intentar archivar sitios web usando ArchiveBox. La función de exportación de archivo de la suscripción a Pinboard no funciona.

• Proponen generar un árbol de Merkle para los datos archivados. Se podría considerar blockchain como una forma de demostrar la autenticidad de los datos.

• Piden recomendaciones para un sistema autoalojado de monitoreo de cambios en sitios web. Están usando Huginn, pero tienen dificultades con sitios modernos basados en JS.