Wayback Back Machine: Comunque la digiti, ecco come usarla

Hai cercato 'wayback back machine'. Forse le dita hanno raddoppiato una parola, forse il nome ti suona strano nella memoria. Non importa. Lo strumento che cerchi è la Wayback Machine su web.archive.org, e questa guida copre le tre cose di cui le persone hanno realmente bisogno: trovare un'istantanea, scaricare una pagina e ripristinare un intero sito quando l'originale è scomparso.

Estraggo siti da quell'archivio da anni, un forum phpBB del 2009 per un cliente, un negozio WooCommerce la cui fattura di hosting è finita in una cartella spam per un altro. Lo strumento è sempre lo stesso. È la tecnica che cambia.

Perché così tante persone digitano 'Wayback Back Machine'

Il nome ufficiale ha un ritmo strano, quindi i motori di ricerca si riempiono di varianti. 'Wayback back machine' è una delle più comuni. Troverai anche 'machine way back', 'the way back machine' e 'internet wayback machine'. Tutte portano allo stesso posto: l'archivio web di Internet Archive.

Il nome deriva dalla macchina WABAC, il gadget da viaggio nel tempo del cartone animato The Adventures of Rocky and Bullwinkle and Friends. Dillo una volta tenendolo a mente e smetterà di scivolarti. Wayback. Una parola sola, senza 'back' di troppo.

Google perdona l'errore di battitura. E anche l'archivio. Ciò che conta è cosa fai una volta che il calendario si carica.

Trovare un'istantanea sulla Wayback Machine

Apri web.archive.org e incolla l'indirizzo completo della pagina o del sito nella barra di ricerca. Quello che ottieni è una linea temporale: un grafico a scintilla delle acquisizioni per anno in alto e un calendario sotto. I giorni con acquisizioni hanno cerchi colorati. Il blu significa che il crawler ha ottenuto una risposta 2xx pulita, il verde indica un reindirizzamento, l'arancione e il rosso segnalano errori. Un cerchio più grande significa più acquisizioni quel giorno.

1. Incolla l'URL con o senza protocollo, l'archivio lo normalizza.
2. Clicca un anno sul grafico a scintilla, poi passa il mouse su una data e scegli un timestamp.
3. Controlla che la pagina venga effettivamente visualizzata. Un'acquisizione può esistere ed essere comunque rotta.
4. Clicca all'interno dell'istantanea. Anche i link interni e gli asset vengono caricati dall'archivio.
5. Prova le varianti www e non-www, e http contro https. I vecchi siti sono spesso archiviati in modo disomogeneo tra di esse.

Non ricordi un indirizzo esatto? Apri la pagina del calendario del sito e usa la vista URL per elencare i percorsi acquisiti. Fa emergere pagine che avevi dimenticato esistessero, ed è di solito lì che si nasconde il contenuto che ti manca davvero.

Un'abitudine che evita grattacapi: non giudicare mai una data solo dalla homepage. La homepage è la pagina più acquisita di qualsiasi sito, quindi sembra quasi sempre a posto. Prima di impegnarti su una data, apri due o tre pagine più profonde, un prodotto, un articolo del blog, una pagina di contatto, e conferma che vengano visualizzate con immagini e stili. Quindici minuti di clic qui valgono più di un giorno di rifacimenti dopo.

Scaricare una singola pagina

Per una pagina hai tre metodi praticabili, che vanno dal pigro al chirurgico.

1. Salvataggio del browser. Apri l'istantanea, premi Ctrl+S, scegli 'Pagina web, completa'. Ottieni l'HTML più i suoi asset, con il markup di riscrittura dell'archivio incorporato. Va bene per leggere, disordinato per il riutilizzo.
2. Il suffisso id_. Modifica l'URL dell'istantanea in modo che il timestamp termini con id_, ad esempio https://web.archive.org/web/20140601120000id_/http://example.com/, e l'archivio serve la pagina esattamente come acquisita: nessuna barra degli strumenti, nessun link riscritto. Visualizza il sorgente e copia ciò che ti serve.
3. wget. Punta wget -p -k all'URL id_ per scaricare la pagina e i suoi requisiti in un colpo solo. Questo è il metodo da usare quando vuoi anche le immagini.

Tutti e tre vanno bene per una o due pagine. Verso pagina cinquanta smettono di essere un metodo e iniziano a diventare una punizione.

Qualunque metodo tu scelga, apri il file salvato in locale prima di fidartene. Controlla che le immagini vengano caricate dal disco anziché da web.archive.org, e rimuovi il markup della barra degli strumenti iniettato dall'archivio se prevedi di ripubblicare qualcosa. Cinque minuti di pulizia ora evitano un pasticcio di asset hotlinkati dopo.

Limiti della Wayback Back Machine quando vuoi l'intero sito

L'archivio è stato costruito per navigare nella storia, non per restituirti il tuo sito web. Questo diventa evidente non appena provi a recuperare più di una manciata di pagine.

• Non esiste un pulsante di download in blocco. Ogni file, ogni pagina, immagine, foglio di stile, script, è un'acquisizione separata.
• Le pagine profonde vengono acquisite raramente o mai. Una homepage può avere 400 istantanee mentre una pagina di prodotto ne ha due.
• Gli asset scompaiono. L'HTML può essere di marzo mentre il suo CSS non è mai stato acquisito.
• I limiti di velocità trasformano il recupero pagina per pagina in un lavoro di giorni.
• Le pagine assemblate da JavaScript al momento della visualizzazione spesso vengono archiviate come gusci vuoti.

Fai i conti prima di iniziare. Un sito di 500 pagine a due minuti a pagina sono oltre sedici ore di clic, e devi ancora sistemare i link, rimuovere il markup dell'archivio e trovare un hosting. Il quadro completo è nella guida per scaricare un intero sito da archive.org.

Ripristinare un intero sito, passo dopo passo

Questo è il lavoro per cui è stato creato Restorix. Incolla il dominio e ottieni un preventivo gratuito immediato: il numero esatto di file archiviati, la dimensione totale e un prezzo bloccato prima di pagare qualsiasi cosa. Nessun abbonamento, ricarichi un saldo con carta o crypto e paghi per file ripristinato. Il primo file è gratuito.

1. Inserisci il dominio e controlla il preventivo.
2. Scegli l'intervallo di date, in modo da ripristinare il sito al suo meglio e non al più recente.
3. Imposta le opzioni: rimuovi analytics, annunci e iframe, converti i link interni in relativi, forza HTTPS, minifica JS e CSS.
4. Avvia il ripristino e guarda l'avanzamento in tempo reale nella dashboard.
5. Scarica il sito finito, oppure distribuiscilo direttamente sul tuo hosting.

I deploy sono con un clic su VPS SSH o SFTP, hosting condiviso FTP/FTPS o S3, con credenziali crittografate AES-256-GCM. Ogni deploy include il CMS Restorix gratuito, un editor in un singolo file PHP su /webarchive-cms.php con una password per sito mostrata nella dashboard, così puoi correggere i contenuti senza ridistribuire. Il tutorial illustra l'intero flusso.

Cosa la Wayback Back Machine non salverà

Stabilisci le aspettative prima di promettere a qualcuno un recupero completo. Alcuni contenuti semplicemente non sono mai entrati nell'archivio.

• Pagine dietro login o paywall, i crawler non possono entrare.
• Sezioni bloccate da robots.txt, che storicamente tenevano fuori i crawler.
• Contenuti recuperati tramite form e richieste POST, come i risultati di ricerca interni.
• La maggior parte degli incorporamenti di audio e video in streaming.
• Tutto ciò che è generato puramente lato client da JavaScript che il crawler non ha eseguito.
• Il database stesso. Ottieni HTML renderizzato, non il dump MySQL.

Il forum di un cliente è tornato magnificamente, ogni discussione del 2009 intatta. Gli allegati fotografici erano dietro un login e sono andati persi. Sappi in quale categoria rientra il tuo contenuto prima di iniziare a contare i file. Quando hai comunque bisogno dei dati grezzi, Restorix può esportare un'esportazione strutturata degli articoli in XML, CSV o JSON, più un manifesto JSON o SQLite di ogni file ripristinato, utile per verificare cosa è sopravvissuto.

Mantenere online il tuo sito ripristinato

Un sito ripristinato è HTML statico, quindi l'hosting è economico e semplice. Mantieni i reindirizzamenti 301 e 302 che il ripristino ha conservato, scegli un host canonico, www o non-www, e rimetti il sito sul suo vecchio dominio se lo possiedi ancora. I vecchi link in entrata ricominciano a funzionare, che è metà del valore SEO di un ripristino.

Comunque tu abbia digitato il nome, 'back' di troppo, parole nell'ordine sbagliato, la via d'uscita è la stessa. Trova l'istantanea, salva ciò che conta e rimetti il sito su un host che controlli.