Por qué autoalojar tu archivo web
La web es efímera por diseño. Según investigaciones de Internet Archive, el 25% de las páginas web accesibles en 2013 habían desaparecido diez años después. Artículos de noticias eliminados, documentación movida, tuits borrados, páginas de productos retiradas — la vida media de una URL está entre 2 y 5 años.
Las soluciones comerciales responden parcialmente: Pocket guarda el texto, Archive.org mantiene instantáneas públicas, Pinboard archiva una copia en caché. Pero comparten tres limitaciones estructurales: tus datos están con un tercero, los formatos disponibles son limitados y no tienes control sobre la política de retención.
ArchiveBox resuelve las tres. Autoalojado en tu VPS, almacena cada captura en tu volumen Docker — accesible sin conexión, exportable, nunca sujeto a una política de expiración de terceros.
Qué obtienes con ArchiveBox autoalojado
- Capturas en múltiples formatos — HTML, PDF, PNG, WARC, JSON DOM y texto plano por URL.
- Archivado de vídeo — integración yt-dlp para YouTube, Vimeo, Twitter y más de 1 000 sitios.
- Interfaz web — navega tu biblioteca, relanza capturas, búsqueda de texto completo y comparte links firmados.
- CLI potente — añade URLs en masa desde un archivo, feed RSS o exportación de marcadores.
- Licencia MIT — sin telemetría, sin cuenta en la nube, datos 100% en tu VPS.
- Actualizaciones sin interrupciones —
docker compose pull && docker compose up -d.
Requisitos previos
ArchiveBox está diseñado para funcionar en un VPS modesto. La configuración mínima recomendada es 1 vCPU, 512 MB de RAM y 20 GB de disco. En la práctica el contenedor usa unos 346 MB en reposo — suficiente margen en un VPS de 1 GB para uso personal o de equipo pequeño.
Las necesidades de disco dependen del volumen de capturas. Una captura típica de artículo (HTML + PDF + PNG) pesa 2–10 MB; un vídeo de YouTube archivado con yt-dlp puede superar varios gigabytes. Los volúmenes ServOrbit son expandibles desde tu área de cliente sin interrumpir el contenedor.
No se requiere dominio para empezar — ArchiveBox escucha en el loopback y es accesible por túnel SSH.
Desplegar ArchiveBox en tu VPS ServOrbit
Pedir desde la Marketplace ServOrbit
Desde tu área de cliente ServOrbit, instala ArchiveBox con un clic desde la Marketplace: selecciona la categoría Colaboración, elige ArchiveBox y confirma tu pedido. El contenedor Docker arranca automáticamente y recibirás una notificación cuando responda el healthcheck, con el puerto asignado y la contraseña admin generada.
Acceder a la interfaz de administración
Abre un túnel SSH:
ssh -L 5797:127.0.0.1:<puerto> root@<ip-vps>y navega ahttp://localhost:5797/. La página de login de admin está en/admin/. Introduce usuarioadminy la contraseña de tu área de cliente ServOrbit en Aplicaciones → Mostrar. Cambia la contraseña inmediatamente.Archivar tus primeras URLs
Haz clic en Add e introduce las URLs (una por línea). Los extractores HTML, PDF, captura de pantalla y WARC están activados por defecto. ArchiveBox descarga las capturas en paralelo. Para importación masiva:
docker exec archivebox archivebox add < urls.txt.Programar capturas periódicas
Crea un cron job:
docker exec archivebox archivebox schedule --every=day --depth=1 <url>. Los feeds RSS y exportaciones de marcadores pueden importarse automáticamente.Conectar un dominio para acceso permanente
Desde tu área de cliente ServOrbit, conecta un subdominio. ServOrbit configura nginx y provisiona un certificado Let's Encrypt automáticamente. Actualiza
ARCHIVEBOX_CSRF_TRUSTED_ORIGINSen tu compose tras la activación y recrea el contenedor.Monitorizar el uso del disco
ArchiveBox almacena capturas en el volumen
archivebox-data. Monitoriza su tamaño:docker system df -v | grep archivebox. Para liberar espacio, elimina capturas desde la UI oarchivebox remove --filter <pattern>. Amplía el volumen desde tu área de cliente sin interrumpir el contenedor.
ArchiveBox soporta extractores selectivos: para páginas pesadas (vídeos, dashboards JS), desactiva extractores innecesarios por URL desde la interfaz o globalmente en .env (SAVE_PDF=False, SAVE_SCREENSHOT=False…). Reduce el tamaño de capturas y acelera el archivado masivo conservando HTML y WARC esenciales.
Formatos de archivo soportados
ArchiveBox es único en la amplitud de formatos que produce en una sola operación:
- wget — espejo HTML recursivo de la página y sus activos estáticos.
- SingleFile — HTML autocontenido en un único archivo, fiel al renderizado visual.
- Chrome headless — renderizado JavaScript completo, superando SPA que producen HTML vacío con wget.
- Screenshot PNG — captura de pantalla de página completa en alta resolución.
- PDF — impresión PDF tal como muestra Chromium.
- WARC/CDX — formato estándar de archivo web (ISO 28500), compatible con herramientas de verificación legal.
- DOM JSON — serialización del DOM JavaScript final.
- Texto plano — contenido textual extraído, indexado por búsqueda de texto completo.
- yt-dlp — vídeo y audio de YouTube, Vimeo, Twitter y más de 1 000 sitios.
- Git clone — para repositorios públicos GitHub/GitLab.
Caso de uso: cumplimiento y archivado legal
ArchiveBox es especialmente adecuado para equipos que deben conservar evidencia digital con fines legales o regulatorios.
Timestamping e integridad. ArchiveBox registra un hash SHA-256 de cada archivo y el timestamp de captura en index.json. Para mayor valor probatorio, combina con un servicio de timestamping RFC 3161 (openssl ts) antes de depositar en tu sistema documental.
Separación de permisos. Crea cuentas de usuario separadas con permisos de solo lectura (Settings → Users).
Backup del volumen. El volumen archivebox-data contiene todo tu archivo. Configura snapshots diarios desde tu área de cliente ServOrbit o sincroniza con S3 usando rclone.
Archivos WARC. Cumplen ISO 28500 y son aceptados por herramientas de verificación legal. Verifícalos con warcio index data/archive/<domain>/warc/index.cdx.gz.
