> ## Documentation Index
> Fetch the complete documentation index at: https://docs.brightdata.com/llms.txt
> Use this file to discover all available pages before exploring further.

# 常见问题：Archive API

> 查找有关 Archive API 的常见问题解答。

<AccordionGroup>
  <Accordion title="什么是 Archive API？">
    Archive API 是 Bright Data 提供的一个庞大、持续扩展的缓存存储库，旨在大规模捕获和提供公共网页数据。

    它提供完整的网页和元数据，非常适合用于 AI 训练、机器学习和大规模数据分析。

    与传统网页抓取不同，Archive API 更加注重**相关性**、**新鲜度**和**可用性**，让你能够访问每天抓取的互联网上最重要的内容。
  </Accordion>

  <Accordion title="可用的数据量有多少？">
    Bright Data 的 Archive API 在推出后的前 8 个月内已收集 17.5 PB 的数据，涵盖来自 4000 万个域名的 280 亿个唯一 URL。

    我们每周持续新增约 1 PB 的数据，以及约 20 亿个唯一 URL，使 Archive 成为**最大规模**、最新的网页数据存储库——非常适合 AI 和数据驱动型应用。
  </Accordion>

  <Accordion title="我能多快访问这些数据？">
    你可以通过我们的 [Archive API](/cn/datasets/archive/overview) 立即开始访问数据。API 允许你搜索、检索和筛选 Archive 中的数据快照，高效且无缝。

    * 最近 3 天的数据：根据快照规模，从几分钟到数小时不等
    * 3 天前的数据：根据快照规模，从数小时到 3 天不等
  </Accordion>

  <Accordion title="我的数据可以通过哪些方式交付？">
    Archive 提供两种交付方式，确保与你的现有工作流程无缝集成：

    * **Amazon S3 存储桶：** 将数据快照直接传输到你的 S3 存储桶。
    * **Webhook：** 通过 webhook 获取，实现系统的实时集成。
  </Accordion>

  <Accordion title="我可以筛选 Archive 的数据，只获取需要的内容吗？">
    当然可以！Archive API 支持按类别、域名、日期、语言和国家进行筛选，以确保你只获取真正需要的数据。
  </Accordion>

  <Accordion title="Bright Data 的 Archive 与 Common Crawl 有何不同？">
    在处理大规模网页数据时，**新鲜度**、**相关性**和**可访问性**至关重要。Common Crawl 提供的是广泛的网页历史快照，而 Bright Data 的 Archive API 则提供实时、持续更新的数据，并支持高级筛选和交付。以下是两者的对比：

    | **功能**        | **Bright Data 的 Archive**                                                  | **Common Crawl**                |
    | ------------- | -------------------------------------------------------------------------- | ------------------------------- |
    | **数据采集方式**    | 持续实时采集公开网页数据，提供接近“现在”的结果。                                                  | 定期抓取（非实时），按月或双月更新。数据可能已过时。      |
    | **数据量**       | 8 个月内收集 17.5 PB，覆盖 1180 亿页面（280 亿唯一 URL、4000 万域名）。每周新增约 1 PB 和 20 亿唯一 URL。 | 18 年共收集 2500 亿页面。               |
    | **网站覆盖率与相关性** | 聚焦高价值、真实抓取需求驱动的网站数据。                                                       | 无差别抓取，包括过时或低质量页面。               |
    | **数据类型**      | 完整网页（含 JS 渲染）                                                              | 98.6% 为 HTML 与文本                |
    | **筛选与交付**     | 完整发现与交付平台——支持按类别、域名、语言、日期等筛选。通过 Amazon S3 或 webhook 交付。                    | 无内置筛选或交付机制，需要手动处理庞大的 WARC 原始文件。 |
  </Accordion>
</AccordionGroup>