使用archivebox update --status unarchived命令，可以批量处理所有未成功抓取的链接。

工序

1. 进入Docker容器：

docker exec -it archivebox /bin/bash

2. 切换到数据目录：

cd /data

切换到非管理员操作：

su archivebox

否则会有安全性报错：

[!] ArchiveBox should never be run as root!
    For more information, see the security overview documentation:
        https://github.com/ArchiveBox/ArchiveBox/wiki/Security-Overview#do-not-run-as-root

3. 执行命令：

使用以下命令重新抓取所有未成功抓取的链接：

archivebox update --status unarchived

4. 退出容器：

exit

示例

以下是能在终端中看到的示例输出：

root@b4444bfff46f:~# cd /data
root@b4444bfff46f:/data# archivebox update --status unarchived
[i] [2024-06-23 08:00:00] ArchiveBox v0.6.2: archivebox update --status unarchived
    > /data
[i] [2024-06-23 08:00:00] Updating all snapshots with status: unarchived...
[i] [2024-06-23 08:00:01] Snapshot URL: http://example.com (1/1)
[i] [2024-06-23 08:00:02] Archiving snapshot using wget...
...

其他选项

• 指定时间段：可以使用--before和--after选项来指定一个时间段，例如：

archivebox update --status unarchived --after "2023-01-01"

• 特定的抓取工具：可以使用--extract选项来指定特定的抓取工具，例如：

archivebox update --status unarchived --extract wget

这些选项可以根据需求进行组合使用。

补充：倘遇到TypeError

有时执行本文所介绍之命令，会遇到中断的情况，并返回日志如下（以鄙站为例）：

[+] [2025-07-06 04:31:51] "sanguok.com"
（中略）
archive_methods.save_readability(Link(url=https://sanguok.com))

Traceback (most recent call last):
  File "/app/archivebox/extractors/__init__.py", line 114, in archive_link
    log_archive_method_finished(result)
  File "/app/archivebox/logging_util.py", line 435, in log_archive_method_finished
    hints = hints if isinstance(hints, (list, tuple)) else hints.split('\n')
TypeError: a bytes-like object is required, not 'str'

The above exception was the direct cause of the following exception:

Traceback (most recent call last):
  File "/usr/local/bin/archivebox", line 33, in <module>
    sys.exit(load_entry_point('archivebox', 'console_scripts', 'archivebox')())
  File "/app/archivebox/cli/__init__.py", line 140, in main
    run_subcommand(
  File "/app/archivebox/cli/__init__.py", line 80, in run_subcommand
    module.main(args=subcommand_args, stdin=stdin, pwd=pwd)    # type: ignore
  File "/app/archivebox/cli/archivebox_update.py", line 119, in main
    update(
  File "/app/archivebox/util.py", line 114, in typechecked_function
    return func(*args, **kwargs)
  File "/app/archivebox/main.py", line 783, in update
    archive_links(to_archive, overwrite=overwrite, **archive_kwargs)
  File "/app/archivebox/util.py", line 114, in typechecked_function
    return func(*args, **kwargs)
  File "/app/archivebox/extractors/__init__.py", line 181, in archive_links
    archive_link(to_archive, overwrite=overwrite, methods=methods, out_dir=Path(link.link_dir))
  File "/app/archivebox/util.py", line 114, in typechecked_function
    return func(*args, **kwargs)
  File "/app/archivebox/extractors/__init__.py", line 130, in archive_link
    raise Exception('Exception in archive_methods.save_{}(Link(url={}))'.format(
Exception: Exception in archive_methods.save_readability(Link(url=https://sanguok.com))

笔者是在ArchiveBox v0.6.2遇到的此情况。这个错误信息TypeError: a bytes-like object is required, not 'str'表明在archivebox/logging_util.py文件的log_archive_method_finished函数中，有一个预期的字节类型对象被传递了一个字符串类型对象。

这个错误通常发生在Python 3环境中处理字节和字符串混合的情况。ArchiveBox在尝试记录归档方法的完成状态时，可能某个内部函数或外部工具返回了字符串，而它期望的是字节数据，或者反之。从堆栈跟踪来看，错误发生在archive_methods.save_readability(Link(url=https://sanguok.com))这一行，这暗示问题可能与readability提取器在处理特定链接时有关。readability提取器负责将网页内容转换为更易读的格式。

为此，一个值得期待的解决方案是更新至新版本，看看该bug有无被解决掉。抑或者就是跳过有问题的链接（下述方法1.）或提取器（下述方法2.，笔者推荐这条）。

1. 跳过特定链接（如果只影响少数链接）： 目前ArchiveBox没有直接的“跳过”特定URL的功能。但可以尝试在更新时排除这个链接。不过，对于update --status unarchived这种全局操作，这不太可行。

2. 暂时禁用 readability 提取器： 那么，可以尝试在update命令中排除readability提取器，看看是否能绕过这个问题。 首先，需要知道当前启用了哪些提取器。可以在ArchiveBox的配置中查看，或者查看默认启用的提取器列表。假设默认启用了wget, readability, dom, screenshot, git, media, favicon，可以尝试这样：

   archivebox update --status unarchived --extract wget,dom,screenshot,git,media,favicon
   

   这将指示ArchiveBox在归档时跳过readability模块。

辨析

还有一种俾ArichiveBox重新抓取的方法，是使用--resume参数；但这需要一个时间戳作为其值，指定从哪个时间点开始恢复。

倘是希望重新抓取所有未成功的链接，就可以使用本文介绍的--status unarchived选项，这个选项会处理所有未成功（即状态为unarchived）的链接。