Machine Way Back: Scegliere la data di snapshot giusta per un ripristino

Digita 'machine way back' in un motore di ricerca e atterrerai sullo stesso strumento che usano tutti: il Wayback Machine su web.archive.org. Ma ecco cosa nessuno menziona all'inizio. Trovare l'archivio è la parte facile. Un ripristino vive o muore in base a una sola decisione: quale data di cattura scegli.

Ho visto ripristini fallire perché qualcuno ha preso lo snapshot più recente, che si è rivelato una pagina di dominio parcheggiato. E ho visto un negozio del 2014 tornare in vita perché abbiamo speso venti minuti a scegliere il 2018 invece del 2019. Le date contano più degli strumenti.

Il problema del Machine Way Back: di quale snapshot ti fidi?

Un dominio popolare può contenere decine di migliaia di catture distribuite su due decenni. La sola homepage potrebbe averne cinquecento. Ogni cattura congela un momento: quel tema, quei prezzi, quell'articolo del blog, quell'hack. Scegli il momento sbagliato e ripristini il sito sbagliato, alla perfezione.

La macchina non sa quale versione fosse quella buona. Registra solo ciò che ha visto, quando lo ha visto. Il giudizio è compito tuo, o di chi paghi per eseguire il ripristino.

Ecco un numero che fa riflettere. Un sito aziendale di medie dimensioni attivo per dieci anni può facilmente avere tra 3.000 e 8.000 file archiviati tra tutte le sue catture. Da qualche parte in quella pila c'è la versione che vale la pena pagare per ricostruire. Le altre versioni, il mese dell'hack, il redesign incompiuto, la pagina di parcheggio, costano esattamente lo stesso da ripristinare e non valgono nulla.

Come funzionano davvero gli snapshot del Wayback Machine

Uno snapshot non è un backup del sito. È una visita del crawler a un URL in un determinato timestamp. Il crawler ha recuperato l'HTML, ha preso le risorse che ha deciso di prendere, ed è andato avanti. La homepage di un sito noto potrebbe essere catturata ogni settimana. Una pagina tre livelli più in profondità potrebbe essere catturata solo due volte in tutta la sua vita.

Un altro dettaglio: quando visualizzi uno snapshot, l'archivio assembra la pagina dalle catture più vicine che possiede. L'HTML potrebbe essere del giugno 2016 mentre il logo arriva da aprile e il foglio di stile da agosto. Di solito è invisibile. A volte produce una frankenpage che sembra rotta anche se ogni singolo pezzo è reale.

Ecco perché il timestamp nella barra degli strumenti racconta solo metà della storia. Ti dice quando è stato catturato l'HTML, non quando lo sono state le immagini. Tienilo a mente ogni volta che valuti una data.

Leggere il calendario del Wayback Machine come un professionista

La vista calendario è la tua mappa. Ogni anno mostra una barra sparkline: più alta significa più catture quell'anno. Ogni giorno catturato ha un cerchio: blu per una risposta 2xx pulita, verde per un redirect, arancione o rosso per un errore. Un cerchio grande significa più catture quel giorno, cosa che conta per i siti che cambiavano spesso.

• I cerchi verdi meritano sospetto. Una cattura di redirect potrebbe puntare a un nuovo dominio, una pagina di parcheggio o un domain squat.
• Anni sparsi significano che il crawler ha visitato raramente. Prendi la data che riesci a trovare e controllala con attenzione extra.
• Settimane dense intorno a un redesign indicano un crawling intenso: c'è molta scelta, quindi sii esigente.

Se due date sembrano identiche, aprile entrambe in tab e fai clic sulle stesse tre pagine su ciascuna. Le differenze si nascondono nelle pagine profonde: una voce di menu che restituisce 404 in una cattura, un foglio di stile mancante nell'altra. Dieci minuti di confronto fianco a fianco sono l'assicurazione più economica in tutto questo processo.

Quanto indietro dovrebbe andare un ripristino dal Wayback Machine?

La data giusta quasi mai è la più recente. È l'ultima data in cui il sito era in salute: prima dell'hack, prima del redesign fermato a metà, prima che il dominio scadesse e una pagina di parcheggio prendesse il suo posto.

1. Trova l'ultimo periodo sicuramente funzionante. Chiediti quando il sito ha guadagnato per l'ultima volta, in termini di soldi, posizionamento o traffico.
2. Seleziona da tre a cinque date candidate intorno a quel periodo.
3. Apri la homepage su ciascuna candidata e verifica che venga renderizzata completamente, immagini comprese.
4. Controlla velocemente due o tre pagine profonde, un prodotto, un articolo, una categoria, nella stessa data.
5. Preferisci una data successiva al consolidamento del design, non nel mezzo della migrazione. Sei settimane di template misti sono un brutto quartiere.

Con Restorix imposti questo come un intervallo di date al momento del ripristino, così l'intero sito proviene da un'unica finestra anziché da un trascinamento decennale. Se la prima finestra sembra scarna, il preventivo gratuito ti indica il numero esatto di file archiviati prima di pagare: modifica l'intervallo e ricalcola.

Un controllo che molti saltano: le risorse vicine alla data scelta. Una pagina catturata il 14 potrebbe dipendere da immagini catturate il 3. Allargare l'intervallo di qualche settimana permette al ripristino di includere anche quelle vicine. Ottieni un sito coerente senza il problema della frankenpage.

Errori sulla data di cattura che rovinano un ripristino

• Scegliere per default la cattura più recente. La più recente spesso significa un dominio parcheggiato, un avviso di certificato scaduto, o la pagina di spam lasciata da un hacker.
• Fidarsi di una sola pagina. La homepage può sembrare perfetta mentre ogni pagina prodotto di quella data è rotta.
• Mescolare epoche. Homepage del 2019, articoli del 2014, foglio di stile del 2011: un sito che si contraddice a ogni clic.
• Ignorare le catture di redirect. Una catena di 301 potrebbe portare alla nuova casa del sito, il che cambia cosa dovresti ripristinare.
• Scegliere la nostalgia invece della qualità. La versione del 2009 è affascinante. La versione del 2016 è quella con tutto il contenuto.

Ognuno di questi è un problema da venti minuti prima del ripristino e da due giorni dopo.

Un negozio del 2014, tre date candidate

Un negozio WooCommerce di un cliente, lanciato nel 2014, ha funzionato bene fino a un hack di spam farmaceutico all'inizio del 2019. Il dominio è scaduto nel 2020 e l'hosting è morto nel 2021. Le date candidate: metà 2018 (in salute, design attuale), inizio 2019 (post-hack: lo snapshot mostra letteralmente annunci di scarpe iniettati above the fold), e fine 2020 (una pagina di parcheggio). Non è una scelta difficile, ma solo se guardi davvero tutte e tre.

Abbiamo impostato un intervallo di date da ottobre a dicembre 2018. Il preventivo mostrava il numero di file archiviati e un prezzo bloccato. Il ripristino è stato eseguito con i redirect preservati e le vecchie analytics rimosse. Il negozio è tornato sul suo dominio originale, a guadagnare di nuovo: l'intera decisione ha richiesto meno tempo che scrivere la fattura.

Nota cosa non abbiamo fatto: non abbiamo ripristinato il 2019 perché era 'più vicino ad oggi', e non abbiamo ripristinato il 2014 per sentimentalismo. La data che vince è quella in cui il sito era intero. Tutto il resto è archeologia.

Dalla data dello snapshot al sito live

Una volta scelta la data, la parte meccanica è veloce. Incolla il dominio nella dashboard di ripristino, conferma il preventivo gratuito, imposta il tuo intervallo di date e scegli le opzioni di pulizia: link interni relativi, conversione HTTPS, asset minificati, rimozione di iframe e link esterni. Quindi scarica il sito, o distribuiscilo con un clic su SSH/SFTP, FTP/FTPS o S3.

La macchina del tempo ha fatto la sua parte quando ha salvato la pagina. Il tuo compito è scegliere il giorno in cui vale la pena tornare.

Dopo il deploy, il CMS Restorix integrato si trova in /webarchive-cms.php con una password per sito nella dashboard: safe mode attivo di default. Gestisce modifiche ai contenuti e cerca e sostituisci, che è esattamente ciò che vuoi quando una pagina ripristinata mostra il numero di telefono del decennio scorso. Il tutorial copre l'intero flusso dal preventivo alla modifica.