page-keeper
Beliebige Websites offline, durchsuchbar & verifizierbar archivieren.Keep any website — offline, browsable, verifiable.
In aktiver Entwicklung.
Eine URL rein, ein vertrauenswürdiges Archiv raus: page-keeper crawlt die ganze Website, entfernt Tracking- und Consent-Rauschen und liefert einen eigenständigen Offline-Snapshot, der in jedem Browser öffnet – auch in Jahren noch.
Warum es existiert
- Ein Screenshot ist kein Nachweis, und eine Live-Seite ist ein bewegliches Ziel – Sites werden umgebaut, migriert oder verschwinden.
- Für eine CMS-Migration, ein Compliance-Archiv oder als Offline-Referenz willst du die echten, klickbaren Seiten – offline funktionierend und mit prüfbarer Qualität.
Wie es funktioniert
- Discover – liest robots.txt/Sitemaps und probiert gängige Pfade; Crawl – echtes Chromium pro Seite: Consent weggeklickt, Tracker geblockt, 5xx/429 wiederholt.
- Snapshot – jede Seite eigenständig (CSS, Bilder, Fonts inline via SingleFile) – ein einzelnes .html öffnet überall.
- Post-Process – In-Archiv-Links auf lokale Dateien umgeschrieben, ein winziges Offline-UI-Skript injiziert, tote Links ausgegraut.
- Report – index.html plus eigenständiges Dashboard mit A–D-Qualitätsnoten, Coverage und jedem Schritt.
Was es besonders macht
- Generisch by design – keine Selektoren, keine per-Site-Konfiguration; die harten Teile löst Verhalten, nicht spröde Regeln.
- Interaktiv & offline – Karussells, Slider und Menüs funktionieren offline weiter (ohne den Original-JS).
- Prüfbare Qualität – jede Seite bekommt A–D-Note und 0–100-Fidelity-Score; nie wird eine kaputte Seite als „Inhalt“ gespeichert.
- Für Cron gebaut – vollständig non-interaktiv, isolierte Zeitstempel-Ordner; CLI (
archive-site/archive-serve) oder lokales Dashboard mit Live-Log.
One URL in, a trustworthy archive out: page-keeper crawls the whole site, strips tracking and consent noise, and hands you a self-contained offline snapshot you can open in any browser — years from now.
Why it exists
- A screenshot isn't a record, and a live site is a moving target — sites get redesigned, migrated, or quietly disappear.
- Before a CMS migration, for a compliance archive, or as an offline reference, you want the real, clickable pages — working offline, with quality you can verify.
How it works
- Discover – reads robots.txt/sitemaps and probes common paths; Crawl – a real Chromium per page: consent dismissed, trackers blocked, 5xx/429 retried.
- Snapshot – each page self-contained (CSS, images, fonts inlined via SingleFile) — a single .html opens anywhere.
- Post-process – rewrites in-archive links to local files, injects a tiny offline-UI script, grays out dead links.
- Report – index.html plus a self-contained dashboard with A–D grades, coverage and every action it took.
What makes it different
- Generic by design – no selectors, no per-site config; the hard parts are handled by behaviour, not brittle rules.
- Interactive & offline – carousels, sliders and menus keep working offline (without the original JS).
- Verifiable quality – every page gets an A–D grade and a 0–100 fidelity score; a broken page is never saved as “content”.
- Built for cron – fully non-interactive, isolated timestamped folders; a one-line CLI (
archive-site/archive-serve) or a local dashboard with a live log.