Recupero di vecchi siti web: rimettere online un sito dopo anni di inattività

La primavera scorsa un cliente mi ha chiamato con un problema familiare. La sua azienda di paesaggistica ha operato per anni su un sito web creato nel 2013, un sito brochure pulito, una galleria di giardini completati e un modulo per preventivi che le portava la maggior parte del lavoro. Il dominio è scaduto nel 2019. L'account di hosting era stato cancellato molto tempo prima. Il designer si era ritirato in Portogallo e aveva smesso di rispondere alle email. Mi ha fatto la domanda che tutti fanno in questa situazione: il recupero di un vecchio sito web è davvero possibile, o devo ripartire da zero?

La risposta onesta: probabilmente sì, e probabilmente molto più di quanto ti aspetti. Quasi tutto ciò che un sito web pubblico ha mai mostrato ai visitatori è stato copiato da qualche parte, dai crawler degli archivi, dai motori di ricerca, da qualche script di backup. Il lavoro consiste nel sapere cosa sopravvive dove, ed essere onesti sulle lacune. Questo è il flusso di lavoro che uso per lavori come il suo, e le aspettative che fisso prima che chiunque spenda un dollaro.

Cosa significa davvero il recupero di un vecchio sito web

Il recupero di un vecchio sito web non è un restyle, e non è 'creami un nuovo sito che assomiglia a quello vecchio'. Significa trovare copie esistenti del sito, HTML archiviato, immagini, fogli di stile, documenti, e riassemblarli in un sito web funzionante di cui torni a essere proprietario. Un sito che puoi mettere su un dominio, modificare e da cui puoi ottenere contatti. La distinzione è importante perché fa variare il prezzo di un ordine di grandezza: il recupero riutilizza ciò che esiste già, mentre una ricostruzione paga qualcuno per ricrearlo da screenshot e memoria.

Tre tipi di fonti fanno il lavoro pesante. Gli archivi web, soprattutto la Wayback Machine, conservano copie scaricate delle pagine pubbliche che risalgono a decenni fa. Le cache dei motori di ricerca erano la seconda opzione, ma Google ha ritirato la sua cache nel 2024, quindi quel pozzo è per lo più asciutto. E i veri backup, dal tuo vecchio host, dal tuo vecchio sviluppatore, o da un disco rigido in un cassetto, sono l'unico posto in cui i pezzi dietro le quinte sopravvivono. Ogni fonte ti consegna una fetta diversa del vecchio sito.

Dove si trovano davvero le copie del tuo sito

Prima di ripristinare qualsiasi cosa, fai un inventario delle fonti. Ecco cosa contiene realisticamente ciascuna di esse per un sito che è stato offline per anni:

Leggi quella tabella e salta fuori uno schema: il livello di presentazione sopravvive, il livello applicativo no. HTML, CSS e immagini erano pubblici, quindi i crawler li hanno copiati. Gli script PHP, i database e i pannelli di amministrazione stavano dietro il server web, dove nessun crawler poteva vederli. Per un sito brochure o un blog, il livello di presentazione è quasi tutto il sito. Per un negozio o un forum, recuperi il catalogo e i contenuti, non gli ordini, gli account o i messaggi privati.

Aspettative realistiche per il recupero di un vecchio sito web

Fisso le aspettative con i numeri prima di toccare il sito di chiunque, perché la speranza non è un piano. In base ai lavori di recupero degli ultimi anni, ecco come si presenta un buon risultato:

• Pagine statiche e post di blog: recuperabili al 90–100% se il sito consentiva il crawling.
• Immagini: solitamente 70–95%, a seconda della profondità del crawl dell'archivio e se si trovavano su un dominio CDN separato.
• PDF e download: al 50%. I crawler spesso saltavano i file oltre una determinata dimensione.
• Video: dai per scontato che sia perso, a meno che non fosse su YouTube o Vimeo, nel qual caso non è mai andato perso.
• Database, prodotti, utenti, commenti, ordini: persi a meno che non esista un vero backup. Gli archivi hanno visto solo le pagine renderizzate.
• Posizionamento di ricerca: parzialmente recuperabile. Mantieni gli URL originali dove puoi, fai un redirect 301 del resto, e Google impara di nuovo il sito più velocemente di quanto pensi.

Due lavori reali. Un forum phpBB del 2009 è tornato come circa 400 thread di HTML statico, ogni post leggibile, zero account utente. Il negozio WooCommerce di un cliente è tornato con il suo catalogo completo, ogni descrizione di prodotto e la maggior parte delle foto, ma nessuno storico ordini e nessuna lista clienti. Entrambi i proprietari erano felici, perché entrambi conoscevano la forma del risultato prima che il lavoro iniziasse.

Cosa sopravvive, e cosa è perso per sempre

Un inventario rapido salva le persone da un weekend sprecato a cercare cose che non hanno mai avuto una copia:

• Di solito sopravvive: pagine HTML pubbliche e post di blog, più le immagini a cui quelle pagine facevano riferimento.
• Di solito sopravvive: fogli di stile, file JavaScript, font, robots.txt, favicon, a volte sitemap.xml.
• Di solito sopravvive: alcuni PDF e download più piccoli, se le pagine scaricate vi linkavano.
• Perso senza backup: codice lato server, PHP, Python, plugin, la logica dei template del tema.
• Perso senza backup: il database, prodotti, metadati dei post, utenti, commenti, ordini.
• Perso senza backup: qualsiasi cosa dietro un login, e ogni modulo funzionante, casella di ricerca e carrello, gli archivi ne hanno conservato l'aspetto, non le interiora.
• Perso senza backup: account email, configurazione del server, regole.htaccess.

Due trappole meritano una menzione speciale. Se il vecchio sito aveva un robots.txt che bloccava i crawler, gli archivi potrebbero contenere quasi nulla, controlla prima di pianificare qualsiasi cosa. E le snapshot effettuate dopo la scadenza del dominio di solito mostrano una pagina di parcheggio o un sito doorway truffale. Ripristina sempre da una snapshot effettuata quando il sito era davvero attivo; l'acquisizione più recente è raramente la migliore.

Un flusso di lavoro passo dopo passo per il recupero di un vecchio sito web

1. Elenca gli URL. Estrai l'inventario degli URL del sito dall'indice CDX o dalla vista calendario della Wayback Machine, e prendi sitemap.xml da una snapshot sana se esiste.
2. Scegli l'anno giusto. Scansiona il calendario delle snapshot per l'ultimo periodo in cui le acquisizioni mostrano il sito reale, non una pagina di parcheggio o un hack.
3. Colma le lacune con archive.today. Le pagine saltate da Wayback a volte esistono lì, controlla i tuoi URL più importanti uno per uno.
4. Ripristina i file. Per una manciata di pagine, salvarle manualmente funziona. Per un intero sito, esegui un ripristino automatizzato: il servizio di ripristino automatico mostra un preventivo gratuito con l'esatto numero di file archiviati, le dimensioni totali e un prezzo bloccato prima di pagare qualsiasi cosa, poi ripristina il sito con link interni riscritti e vecchie analytics rimosse se lo desideri.
5. Pulisci. Rimuovi i tag pubblicitari archiviati e gli script di tracciamento, canonicalizza www o non-www e converti i link interni in relativi in modo che il sito funzioni su qualsiasi dominio.
6. Mappa gli URL. Mantieni i percorsi originali ove possibile e fai un redirect 301 di tutto ciò che decidi di eliminare.
7. Distribuisci e verifica. Esegui il crawl del sito ripristinato, correggi i 404, poi consegna una sitemap aggiornata a Search Console.

La pulizia è dove i lavori fai-da-te si bloccano. Il copia-incolla manuale da archive.org ti lascia con link assoluti che puntano di nuovo a web.archive.org e un beacon analytics decennale che si attiva su ogni pagina. Le opzioni di ripristino esistono esattamente per questo: rimuovere iframe e codice pubblicitario, minimizzare gli asset e rendere i link indipendenti dal dominio sono caselle da spuntare, non pomeriggi passati a fare trova e sostituisci.

Errori che affossano il recupero di un vecchio sito web

• Ripristinare dalla snapshot più recente invece che da quella più sana. L'ultimo anno di un sito in agonia è spesso pagine di parcheggio e redirect di malware.
• Lasciare il dominio inutilizzato mentre ci pensi. Ricompra prima il dominio, recuperare contenuti su un indirizzo di proprietà di un cybersquatter è lavoro sprecato.
• Mescolare gli anni delle snapshot. La navigazione del 2016 linka a pagine che la tua copia del 2014 non ha, e ogni menu diventa una fattoria di 404.
• Dimenticare il sottodominio CDN. Se le immagini si trovavano su cdn.yoursite.com, controlla quell'hostname nell'archivio separatamente, ha la sua stessa cronologia di snapshot.
• Saltare la questione dei diritti. Ripristinare il proprio sito è prassi standard; ripubblicare in blocco i contenuti di qualcun altro è un problema di copyright.
• Ricostruire su una piattaforma bloccata prima di esportare. Ottieni prima file puliti, l'esportazione strutturata degli articoli in XML, CSV o JSON esiste per un motivo, poi decidi dove risiederanno.

Costi, tempistiche e farlo da soli vs. affidarsi a un professionista

Fai-da-te con copia-incolla: gratuito, e va bene fino a circa venti pagine. Metti in conto un weekend e molta pazienza. Gli script gratuiti di download da Wayback gestiscono il bulk ma ti lasciano con link interni rotti e asset mancanti, la tassa di pulizia di nuovo. I ripristini a pagamento si basano sul prezzo per file; Restorix addebita per file ripristinato con una piccola tariffa fissa per ripristino, il primo file gratuito, il prezzo bloccato al momento del preventivo e niente che si ripeta. Qualche centinaio di file di solito arriva a poche decine di dollari, e i rimborsi automatici tornano al tuo saldo se un ripristino fallisce.

Le tempistiche si dividono allo stesso modo in ogni lavoro: il ripristino in sé è la parte veloce, centinaia di pagine in meno di un'ora, e il lavoro umano successivo è la parte lenta. Il sito di paesaggistica della mia cliente è tornato con 86 pagine e circa 300 immagini. Il preventivo ha richiesto un minuto. Il suo weekend è stato dedicato a collegare un modulo di preventivo funzionante e a scattare di nuovo due foto del giardino che non le erano mai piaciute. Il sito recuperato era migliore dell'originale entro una settimana, che è la parte che nessuno si aspetta.

Rimettere online il sito recuperato

Un sito brochure recuperato può vivere felicemente su un hosting statico economico. Se il proprietario vuole modificare i contenuti, e prima o poi lo fanno tutti, distribuiscilo con un CMS collegato invece di aggiungerlo in un secondo momento. Restorix distribuisce su un VPS SSH/SFTP, un hosting condiviso FTP o S3 con un clic, e le sue distribuzioni includono un CMS a file singolo in /webarchive-cms.php con una password di amministrazione per sito, in modo che il proprietario modifichi il testo e scambi le immagini senza toccare il codice. Qualsiasi cosa tu scelga, termina con gli elementi essenziali noiosi: nuove analytics al posto del tag del 2013, una sitemap XML, la verifica di Search Console e i redirect 301 per ogni URL che hai deciso di non recuperare.