Webcap

Description

Webcap est un outil/programme léger (CLI + API) dédié à la capture périodique de pages web : il prend des screenshots, des PDF et copie le HTML de pages cibles à intervalle régulier. Pensé pour la veille d'archives : garder trace de l'évolution d'un site, surveiller une page qui change souvent (tarifs, communiqués, dashboards publics).

Différence vs ArchiveBox : ArchiveBox est une plateforme complète d'archivage web avec UI, navigateur headless, gestion d'URLs en masse. Webcap est minimaliste : un script de capture, parfait pour des cas d'usage simples ou pour intégration dans un pipeline plus large.

Pour qui : développeurs, archivistes, veilleurs qui veulent automatiser la capture de quelques URLs sans monter une stack lourde.

Installation

Utilisation en CLI (npm)

npm install -g webcap
webcap --url https://example.com --format pdf --output ./captures/

Docker Compose (mode service)

version: '3.8'
services:
  webcap:
    image: ghcr.io/zenika-web/webcap:latest
    container_name: webcap
    restart: unless-stopped
    environment:
      WEBCAP_SCHEDULE: "0 * * * *"
      WEBCAP_URLS_FILE: /config/urls.txt
      WEBCAP_OUTPUT_DIR: /captures
    volumes:
      - ./urls.txt:/config/urls.txt:ro
      - webcap_captures:/captures
  # Optionnel : cron déclenché via sidecar

volumes:
  webcap_captures:

Alternatives

Open Source

• [[app-archivebox]] — Plateforme d'archivage web complète, plus puissante.
• Caddy + headless Chrome — Capture manuelle.
• Monolith — CLI de capture web en Rust.
• WARC — Format d'archive web standard (projet Internet Archive).

Propriétaires

• Archive.today — Service d'archive web public.
• Pagefreezer — Archiving web d'entreprise (compliance).
• Smarsh / PageVault — Solutions d'archivage web corporate.

Sécurité

• HTTPS : pas un service exposé, utilisé en interne.
• Self-hosting : attention à la croissance du dossier de captures (PDF/screenshots volumineux), purger régulièrement.

Ressources

• GitHub
• npm