Internet Archive
Wayback Machine：1 万亿网页档案的时光机
简介
Internet Archive 是 1996 年由 Brewster Kahle 创办的 501(c)(3) 非营利数字图书馆。旗下 Wayback Machine 已存档逾 1 万亿网页快照（2025-10 突破），存储 99 PB 唯一数据。同时收录图书、音视频、软件。2024 年 Hachette 案终审败诉后约 50 万册书已下架。
核心功能
- Wayback Machine 网页快照
- Open Library 图书馆
- TV News Archive
- 软件档案
- Save Page Now
优缺点
优点
- 完全免费、无广告、无注册门槛
- 全球最大公开网页档案，1 万亿+ 网页快照
- 唯一可按时间轴回溯任意 URL 的免费服务
- 501(c)(3) 非营利，运营 30 年信誉稳定
缺点
- 2024 Hachette 案后约 50 万册书下架
- 国内访问不稳定，大批量请求时尤为明显
- robots.txt 屏蔽 / 站长申诉可导致快照消失
详细介绍
为什么跨境卖家应该知道这个
Wayback Machine 是这世上最有价值的"时间机器"之一。它对跨境业务的实际价值：
### 1. 看竞品历史改版
进 web.archive.org，输入对手独立站 URL，按时间轴倒回——能看到他们 6 个月前 / 1 年前 / 3 年前的：
- 首页文案怎么写
- 定价策略变化
- 产品线增减
- 设计迭代节奏
这是 Ahrefs / SimilarWeb 这些工具看不到的信息。
### 2. 验证供应商真实性
潜在合作方说自己 "10 年品牌"，进 Wayback 一查，网站 2 年前才上线。一票否决。
### 3. 失链网页恢复
竞品发了篇好文章后来删了？或者你自己历史素材没了？Wayback Machine 经常有快照。
### 4. 内容验证
记者 / 律师 / 研究员经常用来锁定"某网站某时刻确实写过这段话"——做合规、做诉讼、做澄清都用得上。
关键数字
- **创办**：1996，Brewster Kahle 创办于旧金山
- **网页快照**：超过 1 万亿（2025-10-22 突破）
- **每日新增**：约 4.98 亿页
- **存储规模**：99 PB 唯一数据 / 含冗余 212 PB
- **图书馆**：约 4250 万件印刷品 / 160 万公版书
- **电视新闻**：35 万+ 节目档案
- **软件档案**：120 万款历史软件
- **音视频**：1400 万音频 / 1300 万视频
- **2023 年营收**：$23.7M（来自捐赠 / 网页爬取服务）
2024 年 Hachette 案的影响
这件事对内容研究者很重要：
- 2020 年疫情期间 IA 启动 National Emergency Library，无限放出图书
- 出版商 Hachette、Penguin Random House 等起诉
- 一审 / 二审都判 IA 败诉
- 2024-09 二巡上诉法院维持原判，IA 放弃上诉最高院
- 大约 **50 万册书已从 Open Library 下架**
如果你过去靠 Open Library 找学术 / 历史书，部分内容已经不在。但 **Wayback Machine 的网页快照功能不受影响**——这是非营利使命的核心。
用不上的注意
- **国内访问不稳定**，特别是大量请求时。建议：稳定 VPN + 海外节点
- **robots.txt 屏蔽**：站长可以申诉删除自家快照，部分内容会消失
- **2024-10 遭 DDoS + 数据泄露**：服务曾短暂只读，账户邮箱泄露给安全研究者
- **捐赠支付**：Stripe / PayPal 走美国通道，国内卡可能受限
为什么免费
Internet Archive 是 **501(c)(3) 非营利**——不是商业 SaaS，靠捐赠 / 资助 / 网页爬取服务收入运转。完全免费、无广告、无注册门槛。如果你重度使用，**捐赠是值得的**。
常见问题
Wayback Machine 怎么用？
打开 web.archive.org，输入网址回车，选时间轴上的日期即可看历史快照。也可主动 "Save Page Now" 保存当前快照。
Wayback Machine 在国内能用吗？
能但不稳定。建议用稳定 VPN + 海外节点访问，避免大批量请求时被中断。
Internet Archive 是政府机构吗？
不是。是 1996 年由 Brewster Kahle 创办的 501(c)(3) 非营利组织，靠捐赠和服务收入运营。2023 年营收 $23.7M。
为什么有些网站快照不见了？
可能：(1) 站点 robots.txt 屏蔽了爬虫；(2) 站长向 IA 申诉删除；(3) 2024 Hachette 案后部分受版权保护内容被下架。
Wayback Machine 和 archive.today 谁更好？
互补关系。Wayback 规模大、覆盖广。archive.today 对动态页面、JS 渲染抓取更好，且不响应 robots.txt 删除请求。