Memulihkan Situs Web dari Archive.org: DIY atau Jasa Langsung?

Ada dua cara untuk mengembalikan situs yang mati dari Archive.org. Anda bisa menghabiskan akhir pekan bergulat dengan wget dan menulis ulang tautan secara manual, atau membayar per file dan menyiapkan situs yang sudah dibersihkan untuk dideploy ke hosting Anda sambil Anda melakukan hal lain. Keduanya sah. Keduanya memiliki orang yang akan mengatakan bahwa cara lainnya salah.

Saya telah melakukan keduanya, pada segala hal mulai dari portofolio sepuluh halaman hingga forum phpBB tahun 2009 dengan 4.000 lampiran. Berikut adalah rinciannya, berapa biaya setiap cara, di mana masing-masing gagal, dan kerangka pengambilan keputusan yang tidak menganggap waktu Anda tidak berharga.

Apa yang sebenarnya Anda dapatkan saat memulihkan situs web dari Archive.org

Atur ekspektasi terlebih dahulu, karena arsip bukanlah cadangan (backup). Wayback Machine menyimpan apa pun yang bisa dilihat oleh crawler-nya: halaman HTML, serta gambar, CSS, dan JavaScript ketika itu publik dan bisa di-crawl. Itu cukup banyak, sering kali seluruh situs yang terlihat.

Apa yang tidak disimpannya: apa pun di balik login, form handler, database, indeks pencarian, dan biasanya apa pun yang dirender JavaScript saat runtime di situs yang lebih baru. Situs WordPress yang dipulihkan kembali sebagai halaman statis, bukan WordPress. Toko yang dipulihkan kembali tanpa keranjang yang berfungsi. Mana pun cara yang Anda pilih, batasan ini berlaku, layanan jasa langsung memulihkan file yang sama seperti yang Anda lakukan, hanya saja lebih cepat dan lebih bersih.

Satu ekspektasi lagi: tangkapan layar bukan jaminan. Crawler mungkin telah mengambil HTML halaman tetapi melewatkan gambar utama hari itu, atau menyimpan pengalihan alih-alih halaman tersebut. Cakupan juga menipis pada situs yang memblokir pengarsipan atau berada di balik perlindungan bot yang ketat. Namun, untuk sebagian besar situs yang publik dan tertaut, arsip ini berjalan sangat dalam, jenis halaman yang Anda lupakan pun akan kembali.

Cara DIY, langkah demi langkah

Rangkaian alat DIY gratis dan berfungsi. Untuk situs kecil yang sebagian besar statis, ini adalah proyek akhir pekan yang sangat masuk akal:

1. Temukan snapshot Anda: gunakan kalender Wayback Machine atau CDX API untuk mencantumkan setiap URL yang ditangkap untuk domain tersebut.
2. Unduh massal: jalankan alat seperti wayback-machine-downloader atau wget dengan flag mirror pada rentang tanggal yang Anda pilih. Panduan kami tentang cara mengunduh situs web dari Archive.org membahas perintahnya.
3. Bersihkan markup: hapus kode toolbar yang disuntikkan oleh arsip dan ubah URL berawalan web.archive.org menjadi tautan relatif.
4. Burukan aset yang hilang: gambar dan file yang dilewati crawler perlu dicari di tempat lain atau dibuat ulang.
5. Uji secara lokal, lalu unggah ke hosting Anda dan perbaiki apa pun yang rusak saat pemindahan, biasanya URL absolut dan peringatan konten campuran HTTPS.

Anggarkan 10 hingga 15 menit per halaman secara keseluruhan untuk pekerjaan manual, lebih sedikit dengan alat yang bagus. Situs 30 halaman adalah satu sore. Situs 300 halaman adalah sebulan penuh malam.

Di mana pemulihan DIY salah

Pengunduhan adalah bagian yang mudah. Pembersihan adalah tempat akhir pekan mati.

• Operasi tautan: setiap href dan src mengarah ke web.archive.org. Menulis ulangnya terdengar sepele sampai Anda bertemu query string, URL yang dikodekan, dan tautan yang terkubur di dalam JavaScript.
• Gambar hilang: cakupan gambar crawler tidak merata, terutama setelah 2015. Anda mengetahuinya satu per satu, satu thumbnail rusak pada satu waktu.
• Celah senyap: halaman yang Anda lupakan ada, halaman arahan lama, arsip tag, tetap mati kecuali Anda mencantumkan setiap URL terlebih dahulu.
• Karakter rusak: situs lama yang dikodekan dalam Latin-1 kembali dengan karakter kacau ketika alat Anda mengasumsikan UTF-8.
• Jebakan 80%: 80% pertama dari situs membutuhkan 20% waktu. 20% terakhir, template aneh, frame, halaman era Flash, membutuhkan sisanya. Toko WooCommerce milik klien yang saya lihat dikutip sebagai pekerjaan cepat, ternyata memakan waktu enam minggu penuh malam bagi pemiliknya, dan pagination kategori tidak pernah berfungsi dengan baik.

Perhatikan apa yang tidak ada dalam daftar itu: pengunduhan itu sendiri. Mengambil file adalah masalah yang sudah terpecahkan. Setiap kisah kegagalan DIY yang saya dengar, dan saya sudah mendengar banyak, dimulai dengan seseorang yang meremehkan pembersihan, bukan pengunduhan.

Memulihkan situs web dari Archive.org dengan cara jasa langsung

Alat jasa langsung ada karena pembersihan dapat diotomatisasi dan pengunduhan bukanlah produknya, pembersihanlah produknya. Restorix menjalankan pemulihan untuk Anda: Anda memilih domain dan rentang tanggal, dan ia akan menarik file arsip, menulis ulang tautan, menghapus apa pun yang Anda minta untuk dihapus, dan men-deploy hasilnya.

Detail yang penting: estimasinya gratis dan menunjukkan jumlah file arsip yang tepat, ukuran total, dan harga terkunci sebelum Anda membayar apa pun, Anda membayar per file yang dipulihkan ditambah biaya tetap kecil, file pertama gratis. Opsi pemulihan mencakup bagian yang membosankan: menghapus analitik, iklan, iframe, dan tautan eksternal; minify JS dan CSS; membuat tautan internal relatif; mengkanonikalkan ke www atau non-www; menyimpan pengalihan 301 dan 302; mengubah semuanya menjadi HTTPS.

Deploy hanya dengan satu klik ke server SSH atau SFTP, hosting bersama FTP atau FTPS, atau S3, dan CMS file tunggal yang disertakan di webarchive-cms.php berarti situs yang dipulihkan tetap bisa diedit, pengeditan konten, cari dan ganti, serta file manager, dengan kata sandi admin per situs dan safe mode aktif secara default. Jika pemulihan atau deploy gagal, pengembalian dana ke saldo Anda otomatis. Isi ulang bersifat sekali jalan; tidak ada langganan yang harus Anda ingat untuk dibatalkan.

DIY vs jasa langsung: perbandingan jujur

Dua baris patut ditekankan. Baris waktu tidak linier, biaya DIY per halaman meningkat seiring situs menjadi lebih tua dan lebih aneh. Dan baris risiko adalah yang sering diabaikan orang: pemulihan DIY yang gagal merugikan waktu Anda, pemulihan layanan yang gagal tidak merugikan apa pun.

Cara memutuskan mana yang cocok untuk Anda

Lupakan ideologi. Keputusannya adalah aritmatika ditambah satu pertanyaan jujur tentang diri Anda.

• Di bawah 30 halaman, statis, dan Anda menyukai utak-atik seperti ini: DIY. Ini adalah proyek yang memuaskan dan benar-benar gratis.
• Lebih dari 100 halaman, atau situs apa pun dengan aset berat: jasa langsung. Perhitungan waktu per halaman cepat tidak lagi menguntungkan DIY.
• Pekerjaan klien atau tenggat waktu apa pun: jasa langsung. Harga yang terkunci dan pekerjaan tanpa pengawasan mengalahkan estimasi optimis dari waktu malam Anda sendiri.
• Tarif per jam Anda dikalikan jam DIY melebihi estimasi yang terkunci: jasa langsung. Hitung angka sebenarnya, orang-orang cenderung meremehkan waktu mereka sendiri.
• Anda ingin belajar cara kerja arsip: lakukan DIY pada situs kecil terlebih dahulu. Pengetahuannya akan berpindah, dan Anda akan menggunakan alat jasa langsung dengan penilaian yang lebih baik selamanya.

Pendekatan hibrida sering diremehkan: lakukan DIY untuk pengunduhan di situs kecil untuk memahami prosesnya, lalu bayar untuk pemulihan ketika situsnya benar-benar penting. Dan bahkan penggiat DIY yang berkomitmen pun harus menjalankan estimasi gratis, mengetahui jumlah file arsip yang sebenarnya memberi tahu Anda sebelumnya apakah rencana akhir pekan Anda memakan waktu dua jam atau dua puluh jam.

Langkah pertama untuk memulihkan situs web Anda dari Archive.org, mana pun cara yang Anda pilih

1. Konfirmasi cakupan: temukan rentang tanggal di mana situs terlihat lengkap dan halaman utama memiliki snapshot.
2. Pilih tanggal target Anda: era yang terbaik, belum tentu yang paling baru.
3. Hitung cakupan nyata: jalankan estimasi gratis untuk mendapatkan jumlah file arsip yang tepat dan ukuran total.
4. Pilih cara Anda dengan kerangka kerja di atas.
5. Siapkan hosting: hosting bersama atau VPS apa pun berfungsi; deploy jasa langsung menangani SSH, SFTP, FTP, dan S3 secara langsung.
6. Setelah pemulihan, klik setiap jenis halaman sekali dan perbaiki formulir yang mati sebelum Anda menganggapnya selesai. Tutorial memandu Anda melalui seluruh proses.