Pagbawi ng Lumang Web Page: Pinakamabilis na Paraan upang Makita ang Nawawalang Pahina

May nagpadala sa iyo ng link. I-click mo ito, at sa halip na ang pahina ay may 404, o mas masahol pa, isang naka-park na domain na puno ng mga ad ng gamot at crypto. Ang pahina ay umiiral noong nakaraang taon. Alam mo ito. Baka nga na-quote mo na ito. Ang pagbawi ng lumang web page ay ang sining ng pagkuha ng iisang pahina na iyon, at hindi katulad ng pag-restore ng buong site, karaniwang trabaho ito na sampung minuto kung kakatok ka sa tamang pintuan sa tamang pagkakasunod-sunod.

Ito ang pagkakasunod-sunod na ginagamit ko, pinakamabilis muna, kasama ang mga success rate na talagang nakikita ko. Ang magandang balita: para sa isang pampublikong pahina na nabuhay nang higit sa ilang buwan, malaki ang pabor sa iyo ang tsansa.

Pagbawi ng lumang web page: subukan muna ang pinakamabilis na mapagkukunan

Ang pinakamabilis na galaw sa pagbawi ng lumang web page ay walang bayad at tumatagal ng limang segundo. I-paste ang patay na URL sa address bar ng Wayback Machine, o gamitin ang shortcut na web.archive.org/web/ na sinusundan ng URL, at makakakuha ka ng kalendaryo ng bawat snapshot na nakuha kailanman. Pumili ng petsa, kunin ang pahina. Para sa mga pahina na pampubliko nang isang taon o higit pa, gumagana ito nang mga walong beses sa bawat sampu ayon sa aking karanasan.

Kung alam mo nang malapit kung kailan nabuhay ang pahina, magdagdag ng taon sa shortcut: ang web.archive.org/web/2019/ na sinusundan ng URL ay diretso tumalon sa pinakamalapit na capture noong 2019 sa halip na pilitin kang mag-scroll ng kalendaryo. Maliit na trick, ngunit totoong oras ang natitipid kapag sinusuri mo ang dose-dosenang URL nang sunud-sunod.

Wayback Machine: ang gulugod ng pagbawi ng lumang web page

Ang Wayback Machine ay kung saan nagsisimula at nagtatapos ang karamihan ng pagbawi ng isang pahina, kaya alamin ang dalawang quirks nito. Una, minarkahan ng kalendaryo ang mga petsa ng capture gamit ang mga bilog, mas malaking bilog, mas maraming capture sa araw na iyon, at ang malusog na mga taon ang dapat pagkainan, hindi ang taon kung kailan namatay ang domain. Ang huling mga capture ng isang site na namamatay ay karaniwang mga parking page. Pangalawa, ang ibinalik mo ay isang snapshot: naglo-load ang mga larawan mula sa mga naka-archive na kopya, nakaturo ang mga link sa iba pang naka-archive na pahina, at ang contact form ay wala na talagang silbi.

Dalawang kapaki-pakinabang na galaw pa. Ang Changes view ay nagha-highlight ng kung ano ang nagkaiba sa pagitan ng mga capture, kapaki-pakinabang kapag kailangan mo ang bersyon bago may nag-edit out ng bahagi na hinahanap mo. At kung walang laman ang Wayback, huwag tumigil doon. Ito ang pinakamalaking archive, hindi lamang ang nag-iisa.

archive.today: ang backup na plano na madalas nananalo

Ang archive.today, na maaari ring puntahan bilang archive.ph, archive.li, at ilang iba pang mirror, ay ibang uri. Nagsa-save ito ng mga pahina kapag hinihiling sa halip na mag-crawl ayon sa iskedyul, hindi nito iginagalang ang parehong mga kahilingan sa pagbubukod, at regular itong may hawak na mga pahina na lubusang nakaligtaan ng Wayback. Hanapin ang URL sa front page nito: kung sinuman, kahit saan, kailanman nag-paste ng link na iyon sa save box nito, nandoon ang snapshot.

Ang mga capture nito ay mas mahusay ding humawak ng mga modernong pahina. Nire-render nito ang JavaScript bago i-save, kaya ang mga pahina na lumalabas bilang walang lamang shell sa Wayback ay minsan bumabalik na kumpleto. Ang kapalit ay ang lahat ay manual, isang pahina sa bawat pagkakataon, ayos lang para sa isang pahina, masakit para sa limampu.

Ano ang nangyari sa Google cache at Bing cache

Sa loob ng dalawampung taon, ang pinakamabilis na sagot sa 'nawala ang pahina' ay ang cached copy ng Google. Ngunit natapos iyon noong Pebrero 2024, nang i-retire ng Google ang cache: search operator at tinanggal ang Cached links mula sa mga resulta. Ang opisyal na dahilan ay ang mga pahina ay naka-load na nang sapat na maaasahan ngayon na walang nangangailangan nito, maliit na aliw habang nakatitig ka sa 404.

Mas matagal na nagpanatili ang Bing ng cached-page link, nakatago sa menu sa tabi ng bawat resulta, ngunit ito ay unti-unti nang inaalis din. Kung nakikita mo pa rin ang isa, gamitin mo habang available. Ang mga cache ng search engine ay noon din ay nagtago lamang ng pinakabagong crawl, na ginagawa itong walang silbi para sa isang pahina na nawala ilang taon na ang nakakaraan, ngunit para sa isang pahina na nabura noong nakaraang Martes, maaari silang maging tanging kopya na umiiral kailanman.

Mga lugar na nakakalimot suriin ng mga tao

• Mga citation ng Wikipedia. Kung ang pahina ay na-cite kailanman sa Wikipedia, karaniwang kasama sa citation ang isang link na 'archived from the original' tungo sa isang snapshot. Suriin din ang edit history ng artikulo.
• Common Crawl. Isang libreng pampublikong crawl dataset sa index.commoncrawl.org. Raw HTML, walang magandang interface, mahirap i-query, at mga pahina na hindi na-keep ng sinumang iba.
• Mga RSS reader. Ang Feedly, Inoreader, at mga katapat ay nag-iimbak ng na-fetch na text ng artikulo. Kung ang pahina ay isang blog post na may feed, maaaring nakaupo ang buong text nito sa mga reader ng mga estranghero ngayon din.
• Sarili mong browser. Kung binisita mo kamakailan ang pahina, kinukumpirma ng iyong history ang eksaktong URL, at minsan kumukuha ang reload ng pahina mula sa disk cache bago dumating ang 404. Mababang tsansa, zero na gastos.
• Mga read-it-later app. Mga save sa Pocket at Instapaper, sa iyo o sa may-akda.
• Ang may-akda. Isang maikling email, 'Na-cite ko ang iyong piraso, may kopya ka pa ba?', mas madalas itong gumagana kaysa sa iniisip ng mga tao.

Pagbawi ng lumang web page kapag walang na-archive

Minsan ang tapat na sagot ay na walang umiiral na snapshot: ang pahina ay masyadong bago, hinarangan ng site ang mga crawler, o nabuhay ito sa likod ng login. Ang pagbawi ng lumang web page ay hindi pa natatapos sa puntong iyon, ngunit nagbabago ang mga tool mula sa mga archive patungo sa forensics.

Maghanap ng mga natatanging parirala mula sa pahina gamit ang mga panipi, ang mga site na nag-syndicate, nag-quote, o walang pakundangang kinopya ang content ay lilitaw, at maaari mong muling itayo ang sustansya mula sa kanila. Hanapin ang pamagat ng pahina lamang: ang mga redesign ay naglilipat ng content sa mga bagong URL sa lahat ng oras nang hindi sinasabi sa kahit kanino, at madalas na nabubuhay ang 'naburang' pahina sa isang bagong address sa parehong site. Maghanap ng mga PDF o print na bersyon; ang dokumentasyon at akademikong content lalo na ay karaniwang mayroon nito. At suriin kung sino ang nag-link dito, ang isang blogger na nag-summarize nang detalyado ng pahina ay nakagawa na ng kalahati ng iyong reconstruction.

Pagbawi ng lumang web page: aling mapagkukunan ang dapat subukan muna

Ang isang pahina ay isang trabahong sampung minuto gamit ang talahanayang ito. Ang dalawampung pahina mula sa parehong site ay hindi na pagbawi ng lumang web page, iyon ay isang site restore. Kapag umabot ka na sa puntong iyon, itigil ang pagkuha ng URL nang paisa-isa at i-restore nang bulk: nagbibigay ang Restore Dashboard ng libreng estimate na may eksaktong bilang ng na-archive na file bago ka gumastos ng kahit ano, na nagsasabi rin sa iyo kung sulit ba i-restore ang site. Kung nawala na ang buong site, tingnan ang old website recovery para sa full-site na bersyon ng playbook na ito.

I-save nang tama ang pahina sa pagkakataong ito

Anuman ang mabawi mo, ipalagay na maaaring mawala itong muli, may mga gap ang mga archive, nagbabago ang mga panuntunan sa pagbubukod, dumarating at lumilipat ang mga serbisyo. I-save ang pahina sa tatlong paraan, ngayon din. I-submit ang live URL sa Save Page Now ng Wayback Machine upang mayroong sariwang snapshot ayon sa iyong iskedyul. I-submit ito sa archive.today bilang pangalawang, independiyenteng kopya. At panatilihin ang isang lokal na kopya na walang kontrol na serbisyo: isang print-to-PDF, o isang single-file HTML save mula sa iyong browser. Tatlong kopya sa tatlong sistema ang tunay na paranoid hanggang sa araw na ito ay tunay na halata.

Kung sa iyo ang mabawing pahina at ito ay babalik online, ang parehong lohika ay sumusukat: i-restore nang tama ang site, panatilihing nase-edit ang mga file, at huwag nang umasa muli sa memorya ng isang crawler para sa sarili mong content. Ang Restorix tutorial ay naglalakad sa iyo sa isang buong restore kung nais mong makita ang proseso bago mag-commit.