Перейти к основному содержимому

WebScrapBook

WebScrapBook — браузерное расширение для Firefox и Chromium-браузеров (Chrome, Edge, Opera, Vivaldi, Brave), которое сохраняет веб-страницы для последующего просмотра, организации, аннотирования и редактирования. Автор — Danny Lin (danny0838), лицензия MPL-2.0. Проект продолжает расширение ScrapBook X для старого Firefox; сам ScrapBook появился в середине 2000-х годов. Серверная часть и консольные инструменты — отдельный проект PyWebScrapBook.

Сайт: github.com/danny0838/webscrapbook, документация — wiki.

WARC

WebScrapBook не сохраняет и не экспортирует WARC. Его форматы: папка (Folder), HTZ (ZIP), MAFF и Single HTML. Если нужен WARC для передачи в веб-архив, используйте ArchiveWeb.page или Browsertrix.

Зачем нужен архивисту​

SingleFile сохраняет одну страницу. WebScrapBook собирает сохранённые страницы в коллекцию со структурой (scrapbook): дерево папок, заметки, аннотации, поиск по тексту. Подходит для исследовательских проектов и личных архивов источников по теме.

Возможности​

  • Режимы захвата: страница целиком, выделенные фрагменты, фрейм, ссылка, медиафайл, все открытые вкладки. Также доступны варианты «как…» (с настройкой параметров), «закладка» (только ссылка) и «исходник» (без обработки).
  • Захват по ссылкам со страницы с глубиной и фильтрами (все ссылки, тот же домен, тот же путь, include/exclude по шаблону).
  • Форматы сохранения:
    • Folder — папка с HTML и файлами ресурсов;
    • HTZ — ZIP-архив с той же структурой;
    • MAFF — Mozilla Archive Format;
    • Single HTML — один HTML-файл с встроенными ресурсами.
  • Дерево коллекции с папками, разделителями, заметками.
  • Аннотации: маркер, стикеры (в том числе с форматированием), редактирование сохранённой страницы.
  • Полнотекстовый поиск по коллекции (нужен кеш, его строит сервер или wsb cache).
  • Повторный захват и объединение захватов.
  • Сервер PyWebScrapBook: хранение коллекции на диске или сервере, доступ с нескольких устройств, просмотр HTZ/MAFF.

Когда использовать​

✅ Подходит для:

  • личного архива статей и документов с аннотациями;
  • исследовательских коллекций с деревом папок;
  • миграции старых коллекций ScrapBook и ScrapBook X;
  • точного сохранения сложных страниц (с фреймами) в HTZ или MAFF.

❌ Не подходит для:

  • автоматического обхода по расписанию на сервере: используйте Heritrix или Browsertrix;
  • массовой выгрузки сайта: используйте Wget;
  • передачи в веб-архив в стандартном формате: WARC он не пишет.

Установка​

Расширение​

Расширение работает и без сервера: тогда страницы сохраняются в папку загрузок браузера. Для полноценной коллекции с деревом и поиском рекомендуется сервер.

Сервер PyWebScrapBook (рекомендуется)​

Нужен Python 3.8+.

python -m pip install -U webscrapbook

Есть также готовые бинарники на странице релизов.

Запуск для каталога с коллекцией:

cd /path/to/scrapbook
wsb config -ba # создать файлы настроек в .wsb/
wsb serve # запустить сервер

Настройки — в .wsb/config.ini (редактирование: wsb config -be, описание: wsb help config). Адрес сервера указывается в настройках расширения (раздел Backend).

Команды сверены с README WebScrapBook и PyWebScrapBook 2.10.2 (октябрь 2026), формат сохранения и режимы захвата — со строками интерфейса расширения.

Консольные команды wsb​

КомандаНазначение
wsb serveЗапустить сервер
wsb configПоказать, создать или изменить настройки
wsb cacheОбновить кеш полнотекстового поиска и статические страницы
wsb checkПроверить и исправить данные коллекции
wsb search / wsb queryПоиск и запросы по коллекции
wsb export / wsb importЭкспорт и импорт элементов в архивы .wsba
wsb convertКонвертация: из ScrapBook X (sb2wsb) и обратно, из папки с файлами (file2wsb), в обычные файлы (wsb2file), миграция
wsb viewОткрыть HTZ или MAFF в браузере

Использование​

Сохранить страницу​

  1. Откройте страницу.
  2. Нажмите на значок WebScrapBook и выберите «Capture page» (или пункт контекстного меню).
  3. Для настройки формата, папки и глубины захвата ссылок выберите «Capture page as».

Формат по умолчанию задаётся в настройках («Save captured data as»: Folder, HTZ, MAFF или Single HTML).

Аннотирование​

Откройте сохранённую страницу из боковой панели WebScrapBook и включите редактор. Доступны маркер, стикеры и редактирование DOM. Изменения сохраняются вместе со страницей.

Поиск​

Вкладка поиска в боковой панели ищет по заголовкам, комментариям и, при наличии кеша, по полному тексту сохранённых страниц.

Сравнение с другими инструментами​

ИнструментФорматыДеревоАннотацииWARCСервер
WebScrapBookFolder, HTZ, MAFF, Single HTML✅✅❌✅ PyWebScrapBook
SingleFileHTML, ZIP❌⚠️❌❌
monolithHTML❌❌❌❌
ArchiveWeb.pageWARC/WACZ❌❌✅❌
Hypothesis—❌✅❌✅ (облако)

Когда WebScrapBook лучше всех​

  • Нужен локальный архив со структурой (папки, заметки, аннотации).
  • Нужна миграция старых коллекций ScrapBook.
  • Нужно точно сохранить страницу с фреймами в один архивный файл (HTZ или MAFF).

Когда лучше SingleFile​

  • Нужна только одна страница в одном HTML-файле без коллекции.

Когда лучше ArchiveWeb.page или Browsertrix​

  • Нужен стандартный WARC/WACZ для передачи в веб-архив или воспроизведения в ReplayWeb.page.

Рекомендации​

  1. Используйте сервер PyWebScrapBook: коллекция живёт в обычном каталоге на диске, её легко копировать и бэкапить.
  2. Выбирайте формат осознанно. HTZ и MAFF — один файл на страницу, удобно хранить. Folder — удобно смотреть и обрабатывать скриптами. Single HTML — удобно пересылать.
  3. Делайте резервные копии каталога коллекции, например tar -czf scrapbook-$(date +%F).tar.gz /path/to/scrapbook.
  4. Для долговременного хранения в веб-архиве дополнительно сохраняйте важные страницы в WARC другими инструментами.

Ограничения​

  • Нет WARC и WACZ.
  • Тяжёлые страницы (видеоплееры, сложные SPA) сохраняются, но воспроизведение может быть неполным.
  • Нет OCR: текст из картинок не извлекается.
  • Совместная работа требует сервера.

Ресурсы​

Связанные материалы​