求将网页保存存档，纳入本地文件管理的正确姿势

提问
,
1

本人日常使用 Foxtrot Search搜索本地文件，最近希望将一些积累的网页也作为可检索信息的一部分，例如博客文章、大语言模型对话记录等。目前的问题是用什么格式存档网页。主要考虑视图的一致性，以及是否可搜索。

以下方案我使用Safari、Foxtrot测试，总结了一些优缺点。使用了部分Minja文章的术语"文件搜索" “亚文件搜索”。

如果有更好的方案，或者有克服缺点的办法，还请指点！

  1. Cmd+S，save as Web Archive

    • 优点：Foxtrot保证此类型的文件搜索和亚文件搜索。
    • 缺点：有时打开后会加载一些不需要的资源。例如，如果保存Claude的对话为web archive ，虽然文件搜索没有问题，但打开后过几秒会跳转到首页。

  2. 使用插件 SingleFile for Safari，保存为html。

    • 优点：与原始页面效果一致性高。上述的Claude对话也不会过几秒就跳转到首页。
    • 缺点：一些网页内容无法被文件搜索召回。例如 这个网页 被SingleFile保存为html后，在Foxtrot中搜索词语例如“reduce”是无法返回这个html文档的。（很奇怪，不知道原因。）

  3. 使用插件 SingleFile for Safari，保存为self-extracting zip

    • 优点：不存在上述两者的缺点
    • 缺点：加载比较耗时；Foxtro的亚文件级搜索不适配此种类型的文件

  4. 打印为PDF

    • 优点：Foxtrot保证此类型的文件搜索和亚文件搜索
    • 缺点：显示效果经常很糟糕

  5. 保存原始html

    • 优点：同上
    • 缺点：同上
2

补充一下，
不是说打印为PDF就一定不好，我上面的例子可能比较特殊，打印PDF的效果不太行。
另外Minja提到过DevonThink剪藏的思路，但我没有这个软件，并且有些笨重了，暂时不考虑。

3

其他几个方案的缺点，都是不可能解决的，唯独方案2有可能在 FoxTrot 内部解决。方便的话，在 Slack 私发我一下出问题的 HTML 文件？

PDF 确实不适合所有类型的网页，我在过往杂文里主要指保存文章，而如果遇上那种不适合打印成固定页面的内容，我也会存 HTML。

ps DEVONthink 剪藏不是指用 DEVONthink 剪藏，而是用 Safari 保存后再借助 DEVONthink 转换格式，当然在 Safari 这边完善之后，我其实已经整整两年没让 DEVONthink 参与网页剪藏工作流了……

1 个赞
4

实在抱歉，我不是Premium 会员，没有参与Slack。下面是使用SingleFile for Safari 默认设置生成的 HTML 文件，没有剪切元素。用代码编辑器打开可以搜索到文章内词语，例如"reduce"，但Foxtrot搜索不到，您可以试试。
点击右上方 “Download Zip” 可以下载。

5

另外又发现一个替代方法，把网页文本直接拷贝到 Typora 可以自动转为 markdown 格式。
优点是比较干净，文件体积小。
不过排版总会有点瑕疵，需要自己检查。

6

尝试调整一下 FoxTrot 的 HTML 索引设置
https://help.foxtrot-search.com/950-hidden-prefs

ps 非会员也可以进 Slack……

1 个赞
7

改用Gumbo之后成功搜到了
您给的网页中没提，我是用了 FoxTrot Search Forum: FoxTrot Search User Forum » Gumbo is not indexing entire file 的方法设置的

原来如此…

1 个赞
8

FoxTrot 的官方文档主打一个不全面 XD
有兴趣的话不妨写篇短文来投稿，拓宽格式支持其实是本地文件搜索非常重要的一部分，我最近还在折腾如何让 FoxTrot 支持 EPUB……

9

EPUB我刚折腾过，方案是安装 GitHub - GenjiApp/EPUB-Plugins: OS X Spotlight / Quick Look plugins for EPUBs 插件。（大概也没别的方法吧？）
但注意它的 Quick Look generator 在foxtrot中的亚文件搜索效果有点问题：有的epub无法预览，加载很久然后退化成纯文本；有的虽然有预览，但匹配到的不全…
而且，据说macOS sequoia 会废除QLGenerator
所以我已经放弃了，目前我只用上面仓库的 Spotlight importer 插件。亚文件搜索就嗯看纯文本，如果对内容有兴趣用calibre preview打开。

10

确实如此……我目前的搜索方案是：Calibre 全文搜 EPUB + FoxTrot 全文搜其他一切（包括图片）。
FoxTrot 也被最近几代系统削弱了很多，可惜了。

11

我的做法是把网页正文复制粘贴到 obsidian 里面，利用 obsidian 的搜索来全文检索。
相关的工具挺多的，obsidian 用起来也很舒服，就是没法保存网页的原始格式。

12

我现在差不多，复制到typora里，保存，然后用foxtrot搜索全部markdown。
obsidian 应该也是自动转换成markdown吧？效果怎么样？

13

Minja 您如果升级了macOS sequoia，麻烦测试一下foxtrot还能不能搭配原先的预览插件
比如markdown文件可以用 Third party file formats |FoxTrot-Search 里的第一个插件在foxtrot里预览+高亮，不知道sequoia还行不行

14

不好意思，我在大半年内都不太可能升级。我刚刚升级 macOS 14 才两个月……
为了避免工作生活遭到毁灭性打击，我一般在半年到十个月后才升级新系统。

15

好的
（这么谨慎是经历过什么吗hhh

16

请问您图片是怎么索引的呢 用这个全部转成OCRed pdf吗？

Screenshot
Screenshot676×822 64.3 KB

17

要看图片内容，即被拍摄的对象。
就图片而言，我的工作主要处理二手材料，基本就是翻拍的书籍、报刊、杂志、档案、证件、贴在墙上的通知或里在地上的公告，因此转换成 PDF 并无问题。[1]
但如果被拍摄对象不是那么板正，或者转换为扫描版 PDF 后会丢失很多细节——例如手抄本、古籍、字画——那就要自己权衡了。我的工作还未涉及这类对象，FoxTrot 也不负责过多的前搜索（pre-search）准备工作，还是留给有这方面经验的读者去解决吧。

  1. 在技术上，不用 FoxTrot，而是 DEVONthink 或 ABBYY 预先处理。 ↩︎

1 个赞