Wayback Machine en Archive.org: una guía práctica

Al buscar la Wayback Machine, Archive.org te deja en una página principal repleta de iconos: libros, conciertos, noticias de televisión, juegos de MS-DOS. En algún punto de ahí está el archivo web que viniste a buscar. Esta es la guía práctica: dónde vive la Wayback dentro de Archive.org, cómo funcionan las vistas de búsqueda y calendario, algunos trucos de URL que ahorran tiempo de verdad, y qué hacer cuando ver una página antigua no es lo mismo que recuperarla.

Dónde vive la Wayback Machine en Archive.org

Archive.org es toda la biblioteca; la Wayback Machine es una colección dentro de ella: la colección web. El buscador de la página principal es una búsqueda de catálogo: encuentra elementos como libros, vídeos y audio por título y descripción. Pega ahí una URL esperando capturas antiguas y obtendrás resultados desconcertantes sobre libros con nombres parecidos. Todo el mundo lo hace una vez.

La Wayback tiene su propio hogar en web.archive.org, accesible desde el gran icono de Web en la página principal de archive.org. La regla general: si buscas una página web, empieza en web.archive.org. Si buscas algo, un libro, un concierto, una película, empieza en archive.org. Confundir los dos es la razón principal por la que la gente concluye que el archivo no tiene algo que definitivamente sí tiene.

Cómo buscar en la Wayback Machine en Archive.org

Pega una URL completa en el buscador de la Wayback, el protocolo es opcional, y llegarás a la vista de calendario de esa dirección. Desde ahí:

1. Elige un año en el gráfico de barras de la parte superior. La altura de las barras indica el volumen de capturas, así que los años más activos de un sitio se ven de un vistazo.
2. En el propio calendario, los círculos marcan los días con capturas; los círculos más grandes significan múltiples capturas. Pasa el cursor para ver las marcas de tiempo exactas.
3. Haz clic en una marca de tiempo para cargar esa captura. La barra de herramientas de la Wayback aparece en la parte superior de la página, con flechas para navegar a las capturas anteriores y siguientes de la misma URL.

Tres atajos que valen la pena memorizar. Primero, comodines: web.archive.org/web/*/example.com abre la lista de URLs de todo un dominio, la forma más rápida de encontrar una página que olvidaste que existía. Segundo, notación abreviada de fecha: web.archive.org/web/2015/example.com redirige a la captura más cercana a esa fecha, y añadir más dígitos la afina aún más (20150615 fija mediados de junio). Tercero, el modificador id_: web.archive.org/web/20150615000000id_/http://example.com/style.css devuelve el archivo original sin reescritura de la Wayback, la forma limpia de obtener una hoja de estilos o una imagen sin alteraciones.

Comparar dos capturas

La vista Changes, accesible desde la página del calendario, alinea dos capturas y resalta lo que cambió entre ellas, adiciones y eliminaciones, página por página. En páginas largas puede ser ruidosa, pero para detectar cuándo apareció un nivel de precios o un aviso legal en el pie, es mejor que comparar dos pestañas del navegador a simple vista. Elige capturas separadas por unos meses; comparar 2010 con 2025 pintará toda la pantalla.

Guarda una página tú mismo

El recuadro de guardado en web.archive.org/save archiva cualquier página pública bajo demanda, normalmente en menos de un minuto. Los usuarios con cuenta obtienen extras como guardar enlaces salientes en una sola pasada y mantener una lista personal de guardados. Úsalo después de lanzamientos, rediseños y migraciones, los momentos en los que más probablemente querrás un registro fechado más adelante.

Cómo leer una captura sin engañarte

Las capturas antiguas mienten de formas sutiles. Una página que se renderiza normalmente te dice que el HTML y sus recursos sobrevivieron. Un esqueleto desnudo y sin estilos significa que la hoja de estilos no se capturó o fue bloqueada. Cajas grises donde deberían ir las imágenes: misma historia. Nada de esto significa que la página no fue archivada, significa que el archivo conservó el documento y perdió algunos de los archivos adjuntos.

La marca de tiempo en la barra de herramientas merece más respeto del que recibe. Una sola página renderizada puede combinar recursos de capturas tomadas con semanas de diferencia, porque el archivo sirve la copia más cercana disponible de cada archivo. Para cualquier uso probatorio, anota la fecha de captura de cada elemento en lugar de asumir que toda la página es un único momento congelado.

Presta atención a la barra de URL mientras navegas por una captura. Cada enlace en una página archivada se reescribe para apuntar a la captura más cercana de ese destino, por eso puedes recorrer un sitio muerto como si siguiera activo, y por eso un enlace copiado de la Wayback es una dirección de archive.org, no la original.

Las colecciones alrededor de la Wayback

Ya que estás en el sitio de todos modos, el resto de la biblioteca merece diez minutos. Los iconos de la página principal la dividen por tipo de medio:

• Textos: decenas de millones de libros y documentos escaneados, incluyendo préstamos de Open Library y descargas gratuitas de dominio público.
• Audio: grabaciones de conciertos del Live Music Archive, radio clásica, podcasts y discos de 78 rpm digitalizados.
• Vídeo: un archivo de noticias de televisión con subtítulos buscables, más la maravillosamente peculiar colección Prelinger de películas educativas e industriales.
• Software: miles de títulos de MS-DOS, arcade y consolas jugables en un emulador del navegador. Reserva una tarde entera primero.

Cada colección tiene su propio buscador, filtros y, a diferencia del lado web, opciones de descarga generosas.

Las colecciones también se enlazan entre sí de forma elegante. Una revista de informática escaneada podría reseñar un programa que luego puedes ejecutar en el emulador, y los subtítulos de noticias de televisión están a un clic de capturas web relacionadas. Premia el deambular.

Lo que la Wayback Machine en Archive.org no te entregará

El lado web de Archive.org está diseñado para visualización, y sus límites aparecen rápido cuando lo tratas como fuente de archivos. No hay descarga masiva de capturas. Los formularios, los buscadores y los inicios de sesión están muertos, el archivo almacena respuestas GET, no sesiones. Cualquier cosa detrás de un inicio de sesión nunca se rastreó en absoluto. Los propietarios pueden solicitar la exclusión, así que algunos dominios están ausentes por petición. Y las páginas con mucho JavaScript desde mediados de la década de 2010 a menudo solo capturaron un indicador de carga.

Un caso concreto: un foro phpBB de 2009 con 40.000 publicaciones. La Wayback muestra los hilos públicos, dispersos a lo largo de años de capturas. Guardar como del navegador produce páginas con URLs de archive.org reescritas, avatares faltantes y sin archivos adjuntos. Apuntar wget a web.archive.org es lento, está limitado por velocidad, y de todos modos te entrega HTML envuelto por la Wayback a menos que reescribas tú mismo cada URL. Eso es una tarde de trabajo por cada subforo, para un resultado mutilado.

Salir con archivos reales

Cuando el objetivo es republicar o conservar una copia local, usa un extractor diseñado para ello. Restorix extrae la versión archivada de un dominio de la Wayback y la reconstruye como archivos limpios. La estimación gratuita te da el número exacto de archivos archivados, el tamaño total y un precio fijado antes de pagar nada. A partir de ahí pagas por archivo restaurado, el primero es gratis, y no hay nada recurrente, con opciones de limpieza que eliminan rastreadores antiguos, anuncios e iframes, hacen los enlaces internos relativos y convierten el sitio a HTTPS. Puedes descargar el resultado, exportar artículos como XML, CSV o JSON, o desplegarlo directamente en tu hosting con un pequeño CMS incluido.

Para el flujo de descarga completo, la guía sobre descargar un sitio web de Archive.org lo explica paso a paso, y el artículo del descargador de Wayback compara los principales enfoques.

Una chuleta de la Wayback Machine en Archive.org

Guarda esto en marcadores, cubre la mayor parte de lo que la gente pregunta sobre el sitio: