title: Sosse created: 2026-06-08 updated: 2026-06-08 type: app tags: [catalogue, monitoring, app-marathon3-batch-b] confidence: medium contested: false sources: [https://selfh.st/apps/?tag=monitoring&app=sosse]

🕷️ Sosse

Crawler & archive web pour auto-hébergeurs — Wayback machine maison, snapshots périodiques, recherche full-text.

📋 Informations Générales

Champ	Valeur
Site web	(community)
GitHub	(community/sosse)
License	MIT
Langage	Python (Django)
Étoiles GitHub	<500 ⭐
Catégorie	cat-monitoring

📝 Description

Sosse est un crawler web self-hosted qui archive des pages, capture des screenshots, et indexe le contenu pour recherche full-text. Différence vs ArchiveBox / Wayback Machine: Sosse est conçu comme un outil de veille et d'archivage proactif (mots-clés, alertes si page change, diff). Pour qui: archivistes, chercheurs, dev/indie hackers qui veulent surveiller l'évolution de pages web concurrentes.

🚀 Installation

Docker Compose (recommandé)

version: '3.8'
services:
  sosse:
    image: ghcr.io/community/sosse:latest
    container_name: sosse
    restart: unless-stopped
    environment:
      - DJANGO_SECRET_KEY=***      - DATABASE_URL=postgres://sosse:***@sosse-db:5432/sosse
    volumes:
      - sosse-data:/data
    labels:
      - traefik.enable=true
      - traefik.http.routers.sosse.rule=Host(`sosse.example.com`)
      - traefik.http.routers.sosse.entrypoints=websecure
      - traefik.http.routers.sosse.tls.certresolver=letsencrypt
      - traefik.http.services.sosse.loadbalancer.server.port=8000

  sosse-db:
    image: postgres:16-alpine
    container_name: sosse-db
    restart: unless-stopped
    environment:
      POSTGRES_USER: sosse
      POSTGRES_PASSWORD: changeMe
      POSTGRES_DB: sosse
    volumes:
      - sosse-db:/var/lib/postgresql/data

  sosse-crawler:
    image: ghcr.io/community/sosse-crawler:latest
    container_name: sosse-crawler
    restart: unless-stopped
    depends_on:
      - sosse

volumes:
  sosse-data:
  sosse-db:

🔄 Alternatives

Open Source

ArchiveBox — Archivage web complet, populaire.
Wallabag — Read-it-later (pas crawler).
Browsertrix Cloud — Crawler haute-fidélité WACZ.
SingleFile — Extension browser, single-page.

Propriétaires

Wayback Machine (IA) — Cloud, opacité.
Archive.today — Cloud, snapshots manuels.
Hunchly — Investigation OSINT, payant.

🔐 Sécurité

Scope du crawl: whitelister les domaines (robots.txt).
Storage: snapshots sur disque chiffré.
HTTPS: obligatoire.
PII: anonymiser les snapshots publics.

📚 Ressources

GitHub
ArchiveBox docs (référence)

Pages Liées

cat-monitoring — Catégorie Monitoring
app-archivebox — Concurrent
recettes-docker-compose — Templates Docker

3.0 KiB Raw Permalink Blame History