Mesin Waktu Wayback Machine: Snapshot, Tanda Waktu, dan Jeda Perekaman

Semua orang menyebutnya mesin waktu, dan julukan itu melekat karena pengalaman yang ditawarkan memang terasa seperti naik mesin waktu: ketik sebuah URL, pilih tahun, lalu saksikan situs yang sudah mati hidup kembali. Tapi metafora itu runtuh begitu Anda membutuhkan sesuatu yang spesifik. Mesin waktu sungguhan akan menempatkan Anda tepat di detik yang Anda minta. Yang satu ini mendaratkan Anda di mana pun crawler kebetulan berada, di hari apa pun ia kebetulan berkunjung.

Begitu Anda memahami cara mesin waktu Wayback Machine benar-benar mencatat masa lalu, tangkapan, kalender, tanda waktu, dan jeda di antaranya, Anda berhenti menerka dan mulai membacanya seperti sebuah instrumen. Panduan ini adalah buku petunjuknya.

Apa yang Sebenarnya Dicatat oleh Mesin Waktu Wayback Machine

Wayback Machine tidak merekam secara terus-menerus. Ia mengambil tangkapan diskret: sebuah crawler meminta sebuah URL, menyimpan responsnya, HTML, gambar, stylesheet, skrip, lalu membubuhkan stempel tanggal dan waktu kunjungan. Untuk URL tersebut, sejarah hanya ada di momen-momen itu. Segala sesuatu di antaranya adalah inferensi.

Skalanya mencengangkan, ratusan miliar tangkapan yang追溯 ke 1996, tapi distribusinya tidak merata. Halaman utama berita besar bisa direkam puluhan kali sehari. Situs usaha kecil mungkin hanya empat kunjungan setahun. Halaman di balik login tidak pernah direkam sama sekali. Perlakukan setiap URL sebagai linimasa tersendiri dengan kepadatannya sendiri.

Pita di bagian atas setiap halaman arsip adalah bagan batang jumlah tangkapan per tahun. Batang tinggi berarti crawler sering datang. Tahun yang datar atau hilang berarti ia tidak datang, dan penyebabnya biasanya bisa dilacak begitu Anda tahu harus melihat ke mana.

Membaca Tampilan Linimasa dan Kalender

Buka URL mana pun dan Anda akan mendapat dua instrumen. Pita tahun menunjukkan jumlah tangkapan per tahun. Klik sebuah tahun dan Anda mendapat kalender: dua belas bulan berisi hari-hari, sebagian dilingkari, sebagian tidak. Lingkaran-lingkaran itu membawa informasi yang biasanya langsung dilewati orang.

Warna-warna itu langsung berguna begitu dipahami. Setahun biru disusul sebulan merah, lalu hijau, menceritakan sebuah kisah: situsnya rusak, lalu mulai melakukan redirect, sering kali ke halaman domain yang diparkir atau desain ulang yang setengah jadi. Jika Anda memburu versi sehat terakhir sebuah situs, yang Anda cari adalah rentang biru terakhir sebelum warna-warnanya berubah.

Saya pernah melacak toko WooCommerce milik seorang klien dengan cara ini: biru pekat sepanjang 2019, hamburan merah di Maret 2020, saat peretasan terjadi, lalu redirect hijau ke halaman lander domain-for-sale. Target restorasinya jelas dengan sendirinya: akhir Februari 2020, bulan biru terakhir yang padat sebelum semuanya berantakan.

Menguraikan Tanda Waktu pada Snapshot Wayback Machine

Setiap URL tangkapan membawa tanda waktu 14 digit: /web/20150309142312/https://example.com/. Bacalah sebagai tahun, bulan, hari, jam, menit, detik, dalam contoh ini, pukul 14.23 pada 9 Maret 2015. Anda bisa mengedit digit-digit itu secara manual, dan pengguna mahir melakukannya terus-menerus: ubah tanggalnya, dan arsip akan menyajikan tangkapan yang paling dekat dengan momen yang Anda minta.

1. Tanda waktu adalah waktu crawl, bukan waktu publikasi. Tangkapan tahun 2015 dari artikel yang ditulis tahun 2011 tetap tertulis 2015.
2. Semuanya dalam UTC. Tangkapan yang berstempel 23:58 terjadi dua menit sebelum tengah malam GMT, apa pun jam lokal Anda.
3. Berkas di halaman yang sama bisa membawa tanda waktu yang berbeda. Arsip menyambung setiap aset dari tangkapan terdekatnya, sehingga HTML dan gambar sebuah halaman bisa berbeda beberapa hari.
4. Pencocokan terdekat bersifat dua arah. Minta tanggal yang tidak punya tangkapan dan Anda akan mendapat yang paling dekat, yang pada linimasa yang jarang bisa berbulan-bulan jaraknya. Selalu periksa tanda waktu sebenarnya dari apa yang termuat.

Mengapa Jeda Perekaman Terjadi (dan Apa yang Bisa Dibacanya)

Jeda adalah hal yang normal, bukan pengecualian, dan penyebabnya biasanya bisa Anda identifikasi.

• Popularitas. Frekuensi crawl kira-kira mengikuti seberapa banyak tautan dan kunjungan sebuah situs. Situs yang tidak dikenal jarang di-crawl.
• robots.txt. Selama bertahun-tahun, aturan disallow membuat crawler sama sekali tidak masuk, dan permintaan pengecualian lama masih bisa menyembunyikan seluruh domain.
• Downtime. Jika situs sedang down saat crawler datang, Anda akan mendapat lingkaran merah atau tidak ada apa-apa.
• Rendering JavaScript. Halaman yang membangun konten di sisi klien sering terekam sebagai cangkang kosong.
• Login dan paywall. Apa pun yang berada di balik autentikasi tidak terlihat oleh crawler.
• Periode tanpa pemilik. Domain kedaluwarsa yang diparkir selama setahun menghasilkan kalender berisi tangkapan redirect dan error.

Jika dibaca secara diagnostik, jeda adalah data. Lubang dua tahun di linimasa yang biasanya padat biasanya menandakan perubahan robots.txt, domain yang kedaluwarsa, atau downtime panjang, semua worth diketahui sebelum Anda membeli domain itu atau memercayai sejarahnya.

Alur Kerja Kronologis untuk Menginvestigasi Sebuah Situs

1. Mulai dari akhir. Temukan tangkapan biru sehat terakhir, lalu berjalanlah mundur tahun demi tahun sampai konten yang Anda cari muncul.
2. Sampel secara berkala. Pada linimasa yang padat, periksa satu tangkapan per kuartal dulu; perbesar ke bulan hanya di tempat yang terjadi perubahan.
3. Perhatikan diskontinuitas. Desain ulang mendadak, perubahan struktur URL, atau gelombang tangkapan redirect menandai sebuah batas, konten yang lebih tua mungkin berada di URL yang berbeda.
4. Verifikasi melampaui halaman utama. Buka lima sampai sepuluh halaman interior kunci di era yang Anda pilih. Tangkapan halaman utama tidak membuktikan apa-apa tentang sisa situs.
5. Catat URL dan tanda waktu tangkapan persisnya seiring Anda bekerja. "Sekitar tahun 2012" bukan rujukan, dan bukan target restorasi.

Lihat contoh forum phpBB tahun 2009 yang ingin dipulihkan seorang klien. Linimasanya menunjukkan tangkapan padat dari 2010 sampai 2013, desain ulang pada 2014 yang mengacak-acak URL thread, dan domain terparkir mulai 2016. Titik optimalnya adalah 2012–2013: thread lengkap, lampiran berfungsi, sebelum spam. Dua jam pembacaan kronologis menghemat satu minggu memulihkan era yang keliru.

Ketika Mesin Waktu Wayback Machine Tidak Cukup

Dua batas keras sering menjebak orang. Pertama, arsip hanya menampilkan halaman satu per satu, di peramban, tidak ada tombol unduh untuk seluruh situs, dan membangun ulang apa pun yang lebih dari selusin halaman secara manual adalah siksaan. Kedua, beberapa hal memang tidak pernah terekam sama sekali: fitur berbasis basis data, fungsi pencarian, keranjang belanja, apa pun yang tidak bisa dilihat crawler.

Solusi untuk batas pertama adalah alat restorasi khusus. Restorix menarik setiap berkas yang diarsipkan untuk sebuah situs dalam rentang tanggal yang Anda pilih, persis seperti yang diperoleh dari pembacaan linimasa Anda, dan membangunnya kembali menjadi situs yang berfungsi. Estimasi gratisnya melaporkan jumlah pasti berkas yang diarsipkan, total ukuran, dan harga terkunci sebelum Anda mengeluarkan uang; Anda membayar per berkas yang direstorasi, dan berkas pertama gratis.

Jika Anda bingung memilih antara dua era, jalankan estimasi gratis pada kedua rentang tanggal dan bandingkan jumlah berkasnya, cara murah untuk melihat periode mana yang paling lengkap di arsip. Setelah Anda mulai, dashboard restorasi menampilkan progres langsung per berkas.