检查回退计算机中URL的来源
waybackprov的Python项目详细描述
给waybackprov一个url，它将总结哪个internet存档 集合已存档URL。这种信息有时 提供有关特定Web资源或一组Web资源为何 从网上存档。
安装
pip install waybackprov
基本用法
要检查特定的URL，请执行以下操作：
% waybackprov https://twitter.com/EPAScottPruitt
364 https://archive.org/details/focused_crawls
306 https://archive.org/details/edgi_monitor
151 https://archive.org/details/www3.epa.gov
60 https://archive.org/details/epa.gov4
47 https://archive.org/details/epa.gov5
...
第一列包含特定URL的爬网数，以及 第二列包含添加的Internet存档集合的URL IT
时间
默认情况下，waybackprov只查看当前年份。如果你喜欢的话
要检查年份范围，请使用--start和--end选项：
% waybackprov --start 2016 --end 2018 https://twitter.com/EPAScottPruitt
多页
如果要查看特定url前缀处的所有url，可以使用
--prefix选项：
% waybackprov --prefix https://twitter.com/EPAScottPruitt
这将使用Internet存档的CDX API来包含作为您提供的URL扩展的URL，因此它将包括例如：
https://twitter.com/EPAScottPruitt/status/1309839080398339
但它也可以包含您可能不想要的内容，例如：
https://twitter.com/EPAScottPruitt/status/1309839080398339/media/1
要进一步限制url，请使用--match参数指定
表达式只检查特定的url。进一步指定您的url
强烈推荐您感兴趣，因为它可以防止大量的css查找，
javascript和图像文件是
最初是爬行的。
% waybackprov --prefix --match 'status/\d+$' https://twitter.com/EPAScottPruitt
收藏
在解释这些数据时要记住的一点是，集合可以 包含其他集合。例如，edgi_monitor集合是 聚焦爬网的子集合。
如果使用--collapse选项，则只有最特定的集合
为给定爬网报告。所以如果coll1是coll2的一部分，它是
coll3，只报告coll1，而不报告coll1、coll2和coll3。
这确实涉及到在Internet存档API中查找集合元数据，因此
会显著降低性能。
json和csv
如果希望将原始数据视为json或csv，请使用--format选项。
当您使用这两种格式之一时，您将看到每个爬网的元数据，
而不是总结。
日志
如果您想查看有关waybackprov正在执行的操作的详细信息
使用--log选项提供要记录到的A文件路径：
% waybackprov --log waybackprov.log https://example.com/
测试
如果要测试它，请先安装pytest，然后：
pytest test.py
欢迎加入QQ群-->： 979659372
