Wayback Machine 网页时光机

注意： 国内可能无法直接访问，需网络代理

Wayback Machine（网页时光机）是由美国非营利组织互联网档案馆（Internet Archive）创建并运营的全球最大网页历史存档服务，官方访问地址为 https://web.archive.org/。该项目于 1996 年启动网页抓取工作，2001 年正式向公众开放，迄今已走过近 30 年历史。

📦 数据规模

截至 2025 年 10 月，Wayback Machine 完成了一项里程碑式的壮举——存档网页总数突破一万亿页，数据体量超过 10 万 TB，被誉为"文明级别"的互联网记忆库。其最早的存档记录可追溯至 1995 年，涵盖全球数亿个不同域名下的网站。

🔍 核心功能

• 历史版本浏览：输入任意网址，通过日历视图选择特定日期，即可回溯该网页在过去某一时刻的完整页面内容，包括图片、排版、文字等，即使原网站已关闭或删除，依然可以查阅。
• Save Page Now（立即存档）：任何人无需注册，可将指定网页手动提交存档，生成永久可引用的存档链接，有效防止网页内容丢失或被篡改后无从溯源。
• 站点搜索：基于对数千亿外链的索引，可检索超过 3.5 亿个站点的首页存档，并按抓取次数排序呈现结果。
• API 接口：提供 CDX API 等接口，供开发者、研究人员批量查询存档状态或集成至自身工具中。
• 浏览器扩展：支持 Chrome、Firefox、Safari、iOS 及 Android 平台，可在浏览器中一键查看当前页面的历史存档，或快速保存当前页面。

🎯 典型使用场景

• 新闻与调查报道：查阅已被删除或修改的政府网页、企业声明等原始内容，是调查记者的重要工具。
• 学术与法律引用：为已失效的网页生成稳定的存档链接，广泛用于学术论文注释和法律诉讼中的网页内容取证。
• SEO 与竞品分析：对比竞争对手网站在不同时期的内容变化，分析其关键词策略和页面结构演变。
• 互联网历史研究：研究早期互联网的视觉风格与内容生态，了解各类网站的历史沿革。
• 网站恢复：当自有网站意外丢失数据时，可通过存档记录寻回部分历史内容。

⚠️ 使用注意

Wayback Machine 遵循 robots.txt 协议，部分网站主动拒绝被抓取，因此存档并非完整覆盖所有网页。此外，存档页面中的图片、CSS 样式或脚本资源有时可能无法完整加载。网站所有者可通过发送邮件至 info@archive.org 申请移除特定存档内容。

2025 年起，《纽约时报》、《卫报》等主流媒体开始封锁 Wayback Machine 的爬虫，原因是担忧存档内容被 AI 公司用于模型训练，这一趋势对存档完整性带来一定影响。