Wayback Machine at mga Makasaysayang Web Site: Saan Nakatira ang Lumang Web

Noong Oktubre 2009, isinara ng Yahoo ang GeoCities. Milyun-milyong homepage na gawa-kamay, mga MIDI file, GIF na may 'under construction', mga dambana para sa mga nakalimutang TV show, ay minarkahan para tanggalin sa loob ng ilang buwang abiso. Isang boluntaryong grupo na tinatawag na Archive Team ang gumugol ng mga buwang iyon sa pag-scrape nang mabilis na pinapayagan ng mga server ng Yahoo, at inilabas ang nakolekta bilang isang torrent. Ang pagliligtas na iyon ang dahilan kung bakit ang mga makasaysayang web site ay bagay na maaari mo pa ring bisitahin sa halip na maalala lang.

Magulo ang parirala sa paghahanap, wayback machine, mga makasaysayang web site, sa anumang pagkakasunod-sunod ng mga salita, ngunit ang tanong sa likod nito ay simple: saan nakatira ang lumang web, at maaari mo pa bang makita ito? Maaari mo. Narito ang isang paglilibot sa mga lugar na nag-iingat nito, mula sa daan-daang bilyong capture ng Wayback Machine hanggang sa isang site na nagpapahintulot sa iyong mag-browse noong 1997 sa loob ng isang emulated na Netscape Navigator. At sa dulo, ang praktikal na bahagi: kung paano kunin ang isang piraso ng kasaysayang iyon mula sa istante ng museo at ibalik ito online sa ilalim ng sarili mong domain.

Ano ang maituturing na isang makasaysayang web site?

Tatlong magkakaibang bagay ang pinagsasama-sama. Una, ang malalaking crawling archive, ang Wayback Machine at ang mga national-library na pinsan nito, na nag-snapshot ng mga pahina sa isang iskedyul. Ikalawa, mga nailigtas na koleksyon: mga patay na platform tulad ng GeoCities, Tripod, o AOL Hometown, na naisave nang maramihan bago isinara at muling na-host ng mga boluntaryo. Ikatlo, mga live na museo: mga proyekto tulad ng oldweb.today na hindi lang nag-iimbak ng mga pahina kundi ginagawang muli ang karanasan ng pag-browse sa kanila, kasama ang period browser chrome at lahat.

Ang pangangailangan ay hindi sentimental. Natagpuan ng isang pag-aaral ng Pew Research noong 2024 na 38% ng mga web page mula 2013 ay hindi na naa-access isang dekada ang nakakaraan. Hindi nawawala ang mga pahina dahil may nagdesisyon na tapos na ang kasaysayan. Nawawala ang mga ito dahil nag-e-expire ang isang credit card, na-acquire ang isang kumpanya, o nagkamali ang isang update ng CMS. Ang mga makasaysayang web site ay ang safety net para sa isang medium na walang print edition.

Ang materyal na karapat-dapat sa pag-iingat ay karaniwang nahahati sa ilang kategorya:

• Pre-2010 na hand-coded na HTML, mga table layout, spacer GIF, guestbook
• Mga patay na platform: GeoCities, Tripod, Angelfire, MySpace blog, Google+
• Mga komunidad ng forum sa phpBB at vBulletin, madalas na tanging rekord ng isang niche na libangan
• Mga unang blog at photolog na nauna sa social media
• Mga nawala nang small-business at club site, ang lokal na kasaysayan na hindi na-archive ng ibang sinuman

Paano naging pinakamalaking koleksyon ng mga makasaysayang web site ang Wayback Machine

Ang Internet Archive, na itinatag ni Brewster Kahle noong 1996, ay binuksan ang Wayback Machine sa publiko noong 2001. Mayroon na itong daan-daang bilyong capture ng pahina ngayon, at ito pa rin ang default na sagot sa 'ano ang hitsura ng site na ito limang taon ang nakakaraan'. Ipinapakita ng calendar view ang density ng capture sa isang sulyap; naglilista ang timemap ng bawat snapshot ng isang URL; ang Save Page Now ay nagpapahintulot sa kahit sinong i-archive ang pahinang tinitingnan nila, kung kaya karamihan ng kamakailang web ay nasasakop sa loob ng ilang minuto pagkatapos ng breaking news.

Dalawang trick na dapat malaman. Idagdag ang id_ sa isang timestamp sa URL, web.archive.org/web/20090601id_/http://example.com, at makukuha mo ang orihinal na file nang eksaktong gaya ng na-crawl, nang walang na-inject na banner ng archive at mga nirewrite na link. At ang CDX API ay maglilista ng bawat capture ng isang pattern ng URL, na kung paano nag-iinventory ang mga propesyonal ng isang buong patay na site bago ito galawin.

Mahalaga rin ang mga gap. Sa kasaysayan, iginalang ng Wayback Machine ang robots.txt, kaya may manipis na coverage ang ilang lumang site. Ang mga pahinang mabigat sa JavaScript ay madalas na naka-capture ang shell ngunit hindi ang content. Ang mga larawan at file na naka-host sa ibang domain ay na-mi-miss. Kapag mukhang sira ang isang capture, ang unang galaw ay ang subukan ang mga capture nang ilang buwang mas maaga o mas huli, ang kalidad ng coverage ay lubhang magkakaiba sa pagitan ng mga petsa.

Ang GeoCities at ang mga rescue project na tumanggi na pahintayin itong mamatay

Ang GeoCities ay ang pangatlong pinakamaraming binibisitang site sa web nang bilhin ito ng Yahoo noong 1999. Sampung taon ang lumipas, isinara ito ng Yahoo, at ang emergency scrape ng Archive Team ay naging isa sa pinakamalaking gawa ng digital preservation na nagawa ng mga boluntaryo. Nabubuhay pa rin ang data sa mga lugar tulad ng oocities.org at geocities.ws, na muling nagho-host ng mga nailigtas na pahina, at ang GifCities, ang search engine ng Internet Archive para sa mga animated GIF na nakuhang mula sa koleksyon. Ang Deleted City ni Richard Vijgen ay nagpapakita ng archive bilang isang zoomable na mapa, mga kapitbahayan at lahat, at ang Cameron's World ay nagre-remix nito bilang isang tribute collage.

Dalawang offshoot ang karapat-dapat sa espesyal na pagbanggit. Ang One Terabyte of Kilobyte Age, ang research blog nina Olia Lialina at Dragan Espenschied, ay gumugol ng mga taon sa pagpo-post ng mga screenshot at essay mula sa koleksyon, ang pinakamalapit na mayroon ang lumang web sa isang curatorial program. At ang Neocities, na itinatag noong 2013, ay ang buhay na kahalili: hindi isang archive kundi isang libreng host kung saan nagtatayo muli ang mga tao ng mga hand-coded na homepage, kasama ang aesthetics ng GeoCities.

Hindi komportable ang aral mula sa GeoCities: walang permanenteng naka-host sa iba, gaano man kalaki ang kumpanya. Ang Yahoo ay higante ng web. Ang platform ay nabuhay lampas sa business case nito nang eksaktong kasingtagal ng abiso.

oldweb.today: pag-browse ng mga lumang pahina sa mga browser na tama sa panahon

Ang isang pahina mula 1997 ay isinulat para sa Netscape Navigator 4 o Internet Explorer 5. Kapag binuksan sa isang modernong browser, nag-co-collapse ang mga frame, namamatay ang mga applet, nag-su-substitute ang mga font, at nakaupo lang doon ang blink tag na hindi kumukurap, tumatanggi ang mga modernong engine. Ang oldweb.today, na ginawa ni Ilya Kreymer ng Webrecorder, ay nilulutas ito sa pamamagitan ng pagpapatakbo ng mga emulated na vintage browser sa loob ng iyong browser at pagpapakain sa kanila ng mga capture mula sa Internet Archive at ilang national web archive. Pipiliin mo ang Mosaic, Netscape, o unang IE, magta-type ng URL at taon, at makukuha mo ang pahina ayon sa talagang nararamdaman nito.

Tunog novelty ito hanggang sa gamitin mo ito para sa pananaliksik. Ang mga layout ng Spacer-GIF ay may saysay lamang sa mga laki ng screen ng panahon. Ang mga menu ng DHTML na isinulat para sa IE4 ay walang ginagawa sa isang modernong engine. Kung nag-aaral ka, nag-ci-cite, o nagre-rebuild ng mga lumang site, ang pagre-render sa kanila sa browser na idinisenyo para sa kanila ang pagkakaiba sa pagitan ng pagtingin sa isang specimen at pagtingin sa isang larawan ng specimen. Ang ArchiveWeb.page ng parehong team ay tumatakbo sa kabilang direksyon: nire-record nito ang iyong kasalukuyang pag-browse sa mga standard na WACZ file, upang ang mga pahinang pinapahalagahan mo ngayon ay maging well-preserved na kasaysayan ng iba sa hinaharap.

Higit sa Wayback Machine: higit pang mga makasaysayang web site na dapat malaman

Ang Wayback Machine ang pinakamalaki, ngunit hindi nag-iisa. Ang seryosong pananaliksik, at ang seryosong pag-restore, ay nag-ce-cross-check ng ilang archive, dahil nakakita ang bawat crawler ng ibang bahagi ng web.

Ang mga national library ay karapat-dapat sa respeto dito. Nangangahulugan ang mga batas sa legal-deposit na ang British Library, ang Bibliothèque nationale de France, at ang iba ay systematic na nag-ce-crawl ng mga domain ng kanilang bansa, madalas na kumukuha ng mga regional at government site na bihira o hindi man lang nakita ng Internet Archive.

Pag-restore ng mga makasaysayang web site mula sa Wayback Machine

Ang pag-browse sa isang museo ay isang bagay. Minsan, sapat ang halaga ng isang piraso ng kasaysayan upang ibalik sa gumaganang ayos: ang 2003 site ng iyong club, ang dokumentasyon ng isang patay nang open-source na proyekto, ang homepage ng isang kamag-anak na namayapa. Isang kliyente ang pumunta sa akin noong nakaraang taon na may eksaktong ganon, isang photolog na pinapatakbo ng kanyang yumaong ama, offline mula noong 2014. Gusto ng pamilya na ibalik ito sa orihinal na domain para sa isang anibersaryo.

1. Hanapin ang pinakamagandang capture. Gamitin ang calendar view at suriin ang ilang petsa; ang pinakabago ay hindi palaging ang pinakakompleto. Naiiba ang paraan ng pagkasira ng mga larawan sa pagitan ng mga capture.
2. Kunin ang tunay na imbentaryo bago mag-commit. Ang libreng estimate ng Restorix CMS ay nagbabasa ng archive para sa iyong domain at ibinabalik ang eksaktong bilang ng na-archive na file, kabuuang laki, at isang naka-lock na presyo, bago ka magbayad ng kahit ano.
3. Pumili ng mga restore option. Pinapanatili kang nasa pinakamagandang panahon ng site ang pagpili ng date-range; ang pagtanggal ng lumang analytics, ad, at iframe ay nag-aalis ng third-party na basura noong 2008; ang relative internal link at HTTPS conversion ay ginagawang deployable ang resulta kahit saan.
4. I-restore. Nagbabayad ka kada file na may maliit na flat fee, libre ang unang file, at walang subscription, mga one-time na top-up ng balanse lamang.
5. I-deploy at panatilihin. Ang one-click na pag-deploy ay itinatulak ang na-restore na site sa iyong VPS, shared hosting, o S3, at ang kasamang single-file na CMS ay nagpapahintulot sa pamilya, o sa kalihim ng club, na ayusin ang isang typo nang hindi natututo ng Git.

Sa kaso ng photolog na iyon, nakahanap ang estimate ng 1,140 file at 210 MB, wala pang isang oras ang pag-restore, at nakaupo na ngayon ang site sa murang static hosting na mas mura sa isang taon kaysa sa isang bouquet ng bulaklak. Ang mga nabigong pag-restore ay awtomatikong nire-refund sa balanse, kaya ang risk profile ay kasingkasabikan ng pagbasa ng resibo. Ang buong daloy ng wayback restore ay naka-dokumento kung gusto mo muna ang mga detalye.

Isang link sa museo kumpara sa pagmamay-ari ng exhibit

Ang pag-link sa isang Wayback capture ay okay para sa isang citation o isang one-off na sanggunian. Ang pag-restore ang panalo kapag may patuloy na halaga ang content: trapiko sa paghahanap na dapat mapunta sa iyong domain, uptime na kontrol mo, at kalayaan mula sa mga patakaran ng anumang solong archive, nag-aalis ng content ang mga archive kapag hiniling, at ang Wayback Machine ay walang exception. Ang aking patakaran: mag-link para sa mga footnote, mag-restore para sa anumang iyong ikalulungkot na mawala nang dalawang beses.

Ang isang link sa isang archive ay isang pangako na pinapanatili ng iba. Ang isang restore ay isang kopya sa sarili mong mga kamay.