Pagbawi ng Lumang Website: Paano Ibalik ang Isang Site Pagkatapos ng Ilang Taon na Offline

May kliyenteng tumawag sa akin noong nakaraang tagsibol na may pamilyar na problema. Ang kanyang kumpanya ng landscaping ay tumakbo nang ilang taon sa isang website na ginawa noong 2013, isang maayos na brochure site, gallery ng mga natapos na hardin, at isang quote form na nagdala ng karamihan sa kanyang trabaho. Ang domain ay nag-lapse noong 2019. Ang hosting account ay kinansela na noon pa. Ang designer ay nagretiro sa Portugal at hindi na sumasagot sa email. Tinanong niya ang tanong na tinatanong ng lahat sa ganitong sitwasyon: posible ba talaga ang pagbawi ng lumang website, o magsisimula ako sa wala?

Ang tapat na sagot: malamang oo, at malamang higit pa sa inaasahan mo. Halos lahat ng ipinakita ng isang pampublikong website sa mga bisita ay kinopya sa isang lugar, ng mga archive crawler, ng mga search engine, ng backup script ng isang tao. Ang trabaho ay malaman kung ano ang nananatili saan, at maging tapat tungkol sa mga puwang. Ito ang workflow na ginagamit ko sa mga trabahong tulad ng sa kanya, at ang mga inaasahan na itinakda ko bago gumastos ang sinuman ng kahit isang dolyar.

Ano ba talaga ang ibig sabihin ng pagbawi ng lumang website

Ang pagbawi ng lumang website ay hindi isang redesign, at hindi ito 'gawan mo ako ng bagong site na kamukha ng luma.' Ibig sabihin nito ay hanapin ang mga umiiral na kopya ng site, naka-archive na HTML, mga imahe, stylesheet, dokumento, at muling buuin ang mga ito sa isang gumaganang website na pagmamay-ari mo muli. Isang mailalagay mo sa isang domain, mai-edit, at makakuha ng mga lead. Mahalaga ang pagkakaiba dahil inililipat nito ang presyo ng isang order ng magnitude: ginagamit muli ng recovery ang umiiral na, samantalang ang isang rebuild ay nagbabayad sa isang tao upang muling likhain ito mula sa mga screenshot at memorya.

Tatlong uri ng pinagmumulan ang gumagawa ng mabigat na trabaho. Ang mga web archive, lalo na ang Wayback Machine, ay nagtataglay ng mga na-crawl na kopya ng mga pampublikong pahina pabalik ng mga dekada. Ang mga cache ng search engine ay dating pangalawang opsyon, ngunit niretiro ng Google ang cache nito noong 2024, kaya halos tuyo na ang balon na iyon. At ang mga tunay na backup, mula sa iyong lumang host, lumang developer, o isang hard drive sa drawer, ang tanging lugar kung saan nabubuhay ang mga behind-the-scenes na piraso. Bawat pinagmumulan ay nagbibigay sa iyo ng ibang hiwa ng lumang site.

Kung saan talaga nakatira ang mga kopya ng iyong site

Bago mo ibalik ang anuman, imbentaryuhin ang mga pinagmumulan. Narito kung ano ang makatotohanang hawak ng bawat isa para sa isang site na ilang taon nang offline:

Basahin ang talahanayang iyon at may pattern na lumilitaw: ang presentation layer ay nananatili, ang application layer ay hindi. Ang HTML, CSS, at mga imahe ay pampubliko, kaya kinopya ng mga crawler ang mga ito. Ang mga PHP script, database, at admin panel ay nasa likod ng web server, kung saan walang crawler na makakakita. Para sa isang brochure site o blog, ang presentation layer ay halos buong site. Para sa isang tindahan o forum, binabawi mo ang katalogo at ang nilalaman, hindi ang mga order, account, o pribadong mensahe.

Makatotohanang mga inaasahan para sa pagbawi ng lumang website

Nagtatakda ako ng mga inaasahan gamit ang mga numero bago hawakan ang site ng sinuman, dahil ang pag-asa ay hindi isang plano. Batay sa mga recovery job sa nakalipas na ilang taon, narito ang hitsura ng isang magandang resulta:

• Mga static na pahina at blog post: 90–100% mababawi kung pinayagan ng site ang pag-crawl.
• Mga imahe: karaniwang 70–95%, depende sa kung gaano kalalim ang pag-crawl ng archive at kung nakatira sila sa isang hiwalay na CDN domain.
• Mga PDF at download: isang coin flip. Madalas na nilaktawan ng mga crawler ang mga file na lampas sa isang size threshold.
• Video: ipagpalagay na wala na ito maliban kung nakatira ito sa YouTube o Vimeo, kung saan hindi ito kailanman nawala.
• Mga database, produkto, user, komento, order: wala na maliban kung may tunay na backup. Ang mga archive ay nakakita lamang ng mga na-render na pahina.
• Mga search ranking: bahagyang maisasalba. Panatilihin ang orihinal na mga URL kung saan maaari, i-301 ang iba, at muling matututunan ng Google ang site nang mas mabilis kaysa sa iyong inaakala.

Dalawang tunay na trabaho. Isang phpBB forum noong 2009 ang bumalik bilang 400-kakaibang thread ng static HTML, bawat post ay nababasa, zero user account. Ang WooCommerce store ng isang kliyente ay bumalik kasama ang buong katalogo nito, bawat paglalarawan ng produkto, at karamihan sa mga larawan, ngunit walang order history at walang listahan ng customer. Parehong masaya ang mga may-ari, dahil pareho nilang alam ang hugis ng resulta bago nagsimula ang trabaho.

Ano ang nananatili, at ano ang tuluyang nawala

Ang isang mabilis na imbentaryo ay nagliligtas sa mga tao mula sa nasayang na weekend sa paghahanap ng mga bagay na hindi kailanman nagkaroon ng kopya:

• Karaniwang nananatili: mga pampublikong pahina ng HTML at blog post, pati ang mga imaheng tinutukoy ng mga pahinang iyon.
• Karaniwang nananatili: mga stylesheet, JavaScript file, font, robots.txt, favicon, minsan sitemap.xml.
• Karaniwang nananatili: ilang PDF at mas maliliit na download, kung naka-link sa kanila ang mga na-crawl na pahina.
• Wala nang walang backup: server-side code, PHP, Python, plugins, ang template logic ng tema.
• Wala nang walang backup: ang database, mga produkto, post metadata, user, komento, order.
• Wala nang walang backup: anumang nasa likod ng login, at bawat gumaganang form, search box, at cart, pinanatili ng mga archive ang kanilang hitsura, hindi ang kanilang laman.
• Wala nang walang backup: mga email account, server configuration,.htaccess rules.

Dalawang bitag ang nararapat na espesyal na banggitin. Kung ang lumang site ay may robots.txt na humarang sa mga crawler, ang mga archive ay maaaring halos walang laman, suriin bago ka magplano ng anuman. At ang mga snapshot na kinuha pagkatapos mag-lapse ang domain ay karaniwang nagpapakita ng parking page o isang scammy doorway site. Palaging ibalik mula sa isang snapshot na kinuha habang ang site ay tunay na buhay; ang pinakabagong capture ay bihirang ang pinakamahusay.

Isang hakbang-hakbang na workflow sa pagbawi ng lumang website

1. Ilista ang mga URL. Kunin ang imbentaryo ng URL ng site mula sa CDX index o calendar view ng Wayback Machine, at kunin ang sitemap.xml mula sa isang malusog na snapshot kung mayroon.
2. Piliin ang tamang taon. I-scan ang kalendaryo ng snapshot para sa huling panahon kung saan ipinapakita ng mga capture ang tunay na site, hindi isang parking page o isang hack.
3. Punan ang mga puwang gamit ang archive.today. Ang mga pahinang nilaktawan ng Wayback ay minsan nandoroon, suriin ang iyong pinakamahahalagang URL isa-isa.
4. Ibalik ang mga file. Para sa ilang pahina, gumagana ang manu-manong pag-save. Para sa isang buong site, magpatakbo ng automated restore: ang Restorix ay nagpapakita ng libreng estimate na may eksaktong bilang ng naka-archive na file, kabuuang laki, at isang naka-lock na presyo bago ka magbayad ng anuman, pagkatapos ay ibinabalik ang site na may muling isinulat na mga internal link at tinanggal na lumang analytics kung gusto mo.
5. I-mapa ang mga URL. Panatilihin ang orihinal na mga path hangga't maaari at i-301 ang lahat ng sadyang ibinabagsak mo.
6. I-deploy at i-verify. I-crawl ang naibalik na site, ayusin ang mga 404, pagkatapos ay ibigay ang isang sariwang sitemap sa Search Console.

Ang cleanup ay kung saan natitigil ang mga DIY job. Ang manu-manong copy-paste mula sa archive.org ay nag-iiwan sa iyo ng mga absolute link na nakaturo pabalik sa web.archive.org at isang dekadang lumang analytics beacon na pumuputok sa bawat pahina. Ang mga opsyon sa restore ay umiiral para sa eksaktong ito: ang pagtatanggal ng mga iframe at ad code, pag-minify ng mga asset, at paggawa ng mga link na domain-agnostic ay mga checkbox, hindi mga hapon ng find-and-replace.

Mga pagkakamaling lumulubog sa isang pagbawi ng lumang website

• Pagbawi mula sa pinakabagong snapshot sa halip na ang pinakamalusog. Ang huling taon ng isang namamatay na site ay kadalasang mga parking page at malware redirect.
• Hayaang nakaupo ang domain habang nag-iisip ka. Bilhin muna ang domain pabalik, ang pagbawi ng nilalaman sa isang address na pag-aari ng isang squatter ay nasayang na trabaho.
• Paghahalo ng mga taon ng snapshot. Ang 2016 navigation ay nagli-link sa mga pahinang wala sa iyong 2014 na kopya, at bawat menu ay nagiging isang 404 farm.
• Nakalimutan ang CDN subdomain. Kung ang mga imahe ay nakatira sa cdn.yoursite.com, suriin ang hostname na iyon sa archive nang hiwalay, mayroon itong sariling kasaysayan ng snapshot.
• Nilaktawan ang tanong sa karapatan. Ang pagbawi ng iyong sariling site ay karaniwang gawain; ang muling paglalathala ng nilalaman ng ibang tao nang buo ay isang problema sa copyright.
• Muling pagtatayo sa isang naka-lock na platform bago mag-export. Kumuha muna ng malinis na mga file, ang structured article export sa XML, CSV, o JSON ay umiiral para sa isang dahilan, pagkatapos ay magpasya kung saan sila nakatira.

Mga gastos, timing, at paggawa nito nang mag-isa kumpara sa pagpapa-hire

DIY gamit ang copy-paste: libre, at ayos hanggang sa marahil dalawampung pahina. Maglaan ng isang weekend at maraming pasensya. Ang mga libreng Wayback downloader script ay humahawak ng bulk ngunit iniiwan ka na may sirang mga internal link at nawawalang mga asset, ang cleanup tax muli. Ang mga bayad na restore ay may presyo bawat file; ang Restorix ay naniningil bawat naibalik na file na may maliit na flat fee bawat restore, ang unang file ay libre, ang presyo ay naka-lock sa oras ng estimate, at walang umuulit. Ang ilang daang file ay karaniwang umaabot sa sampu-sampung dolyar, at ang mga awtomatikong refund ay bumabalik sa iyong balanse kung nabigo ang isang restore.

Ang timing ay nasisira sa parehong paraan sa bawat trabaho: ang restore mismo ang mabilis na bahagi, daan-daang pahina sa ilalim ng isang oras, at ang gawaing pantao pagkatapos nito ang mabagal na bahagi. Ang landscaping site ng aking kliyente ay bumalik bilang 86 na pahina at humigit-kumulang 300 imahe. Ang estimate ay tumagal ng isang minuto. Ang kanyang weekend ay napunta sa pag-wire up ng isang gumaganang quote form at muling pag-shoot ng dalawang larawan ng hardin na hindi niya nagustuhan noon pa man. Ang naibalik na site ay mas mahusay kaysa sa orihinal sa loob ng isang linggo, na siyang bahaging hindi inaasahan ng sinuman.

Ibinabalik ang na-recover na site online

Ang isang na-recover na brochure site ay maaaring mabuhay nang masaya sa murang static hosting. Kung nais ng may-ari na mag-edit ng nilalaman, at sa kalaunan ay palagi nilang ginagawa, mag-deploy na may nakakabit na CMS sa halip na ikabit ito mamaya. Ang Restorix ay nagde-deploy sa isang SSH/SFTP VPS, FTP shared hosting, o S3 sa isang click, at ang mga deploy nito ay may kasamang single-file CMS sa /webarchive-cms.php na may per-site admin password, kaya ang may-ari ay nag-e-edit ng teksto at nagpapalit ng mga imahe nang hindi hinahawakan ang code. Anuman ang piliin mo, tapusin gamit ang mga nakakainip na mahahalaga: sariwang analytics sa halip na ang 2013 tag, isang XML sitemap, Search Console verification, at mga 301 para sa bawat URL na napagpasyahan mong hindi na ibalik.