Wayback Machine su Archive.org: una guida pratica al sito

Cercate la Wayback Machine e Archive.org vi scarica su una pagina iniziale tappezzata di icone, libri, concerti, notiziari TV, giochi MS-DOS. Da qualche parte c'è l'archivio web per cui siete venuti. Questa è la guida pratica: dove si trova la Wayback all'interno di Archive.org, come funzionano le viste di ricerca e calendario, alcuni trucchi con gli URL che fanno risparmiare tempo reale, e cosa fare quando guardare una vecchia pagina non equivale a recuperarla.

Dove si trova la Wayback Machine su Archive.org

Archive.org è l'intera biblioteca; la Wayback Machine è una collezione al suo interno, la collezione web. La casella di ricerca in prima pagina è una ricerca per catalogo: trova elementi come libri, video e audio per titolo e descrizione. Incollateci un URL aspettandovi vecchie istantanee e otterrete risultati sconcertanti su libri con nomi simili. Tutti lo fanno una volta.

La Wayback ha una sua sede su web.archive.org, raggiungibile dalla grande icona Web sulla pagina iniziale di archive.org. La regola pratica: per cercare una pagina web, partite da web.archive.org. Per cercare un oggetto, un libro, un concerto, un film, partite da archive.org. Confondere i due è il motivo principale per cui la gente conclude che l'archivio non ha qualcosa che invece ha eccome.

Cercare nella Wayback Machine su Archive.org

Incollate un URL completo nella casella della Wayback, il protocollo è facoltativo, e atterrate sulla vista calendario per quell'indirizzo. Da lì:

1. Scegliete un anno nel grafico a barre in alto. L'altezza della barra indica il volume di acquisizioni, così gli anni più attivi di un sito sono visibili a colpo d'occhio.
2. Sul calendario stesso, i cerchi segnano i giorni con acquisizioni; cerchi più grandi indicano acquisizioni multiple. Passateci sopra per vedere i timestamp esatti.
3. Cliccate su un timestamp per caricare quell'acquisizione. La barra degli strumenti della Wayback appare in cima alla pagina, con frecce per le acquisizioni precedente e successiva dello stesso URL.

Tre scorciatoie da memorizzare. Primo, i caratteri jolly: web.archive.org/web/*/example.com apre l'elenco degli URL per un intero dominio, il modo più veloce per far riemergere una pagina che avevate dimenticato. Secondo, la notazione abbreviata per la data: web.archive.org/web/2015/example.com reindirizza all'acquisizione più vicina a quella data, e più cifre restringono ulteriormente (20150615 fissa metà giugno). Terzo, il modificatore id_: web.archive.org/web/20150615000000id_/http://example.com/style.css restituisce il file originale grezzo senza riscritture della Wayback, il modo pulito per prendere un foglio di stile o un'immagine non alterati.

Confrontare due acquisizioni

La vista Modifiche, collegata dalla pagina del calendario, affianca due acquisizioni ed evidenzia cosa è cambiato tra di esse, aggiunte e rimozioni, pagina per pagina. Su pagine lunghe è rumorosa, ma per individuare quando è apparso un livello di prezzo o un disclaimer nel footer, batte il confronto a occhio tra due schede del browser. Scegliete acquisizioni a distanza di pochi mesi; confrontare il 2010 con il 2025 vi dipingerà l'intero schermo.

Salvare una pagina da soli

La casella di salvataggio su web.archive.org/save archivia qualsiasi pagina pubblica su richiesta, di solito entro un minuto. Gli utenti che hanno effettuato l'accesso ottengono extra come il salvataggio dei link in uscita in un'unica passata e la possibilità di tenere un elenco personale dei salvataggi. Usatela dopo lanci, riprogettazioni e migrazioni, i momenti in cui è più probabile che vogliate un record datato in seguito.

Leggere un'acquisizione senza ingannarsi

Le vecchie acquisizioni mentono in modi silenziosi. Una pagina che si visualizza normalmente vi dice che l'HTML e le sue risorse sono sopravvissuti. Uno scheletro nudo e senza stile significa che il foglio di stile non è stato acquisito o è stato bloccato. Riquadri grigi dove dovrebbero esserci le immagini: stessa storia. Niente di tutto ciò significa che la pagina non sia stata archiviata, significa che l'archivio ha conservato il documento e ha perso alcuni degli allegati.

Il timestamp sulla barra degli strumenti merita più rispetto di quanto ne riceva. Una singola pagina visualizzata può mettere insieme risorse provenienti da acquisizioni effettuate a settimane di distanza, perché l'archivio serve la copia disponibile più vicina di ciascun file. Per qualsiasi cosa a scopo probatorio, annotate la data di acquisizione di ogni elemento invece di presumere che l'intera pagina sia un unico momento congelato.

Fate attenzione alla barra degli URL mentre navigate in un'acquisizione. Ogni link su una pagina archiviata viene riscritto per puntare all'acquisizione più vicina di quella destinazione, motivo per cui potete girovagare per un sito morto come se fosse ancora attivo, e perché un link copiato dalla Wayback è un indirizzo archive.org, non l'originale.

Le collezioni intorno alla Wayback

Dato che siete comunque sul sito, il resto della biblioteca merita dieci minuti. Le icone in prima pagina lo suddividono per tipo di media:

• Testi: decine di milioni di libri e documenti scansionati, inclusi il prestito di Open Library e i download gratuiti di pubblico dominio.
• Audio: le registrazioni di concerti del Live Music Archive, radio d'epoca, podcast e 78 giri digitalizzati.
• Video: un archivio di notiziari TV con didascalie ricercabili, più la gloriosamente bizzarra collezione Prelinger di film educativi e industriali.
• Software: migliaia di titoli MS-DOS, arcade e per console giocabili in un emulatore da browser. Bloccatevi un pomeriggio prima.

Ogni collezione ha la propria ricerca, i propri filtri e, a differenza del lato web, generose opzioni di download.

Anche le collezioni si collegano bene tra loro. Una rivista di computer scansionata potrebbe recensire un programma che potete poi lanciare nell'emulatore, e le didascalie dei notiziari TV sono a un clic di distanza dalle acquisizioni web correlate. Vale la pena girovagare.

Cosa la Wayback Machine su Archive.org non vi darà

Il lato web di Archive.org è costruito per la visualizzazione, e i suoi limiti emergono rapidamente quando lo trattate come una fonte di file. Non c'è un download di massa per le acquisizioni. Moduli, caselle di ricerca e accessi sono morti, l'archivio memorizza le risposte GET, non le sessioni. Qualsiasi cosa dietro un accesso non è mai stata strisciata. I proprietari possono richiedere l'esclusione, quindi alcuni domini sono assenti su richiesta. E le pagine ricche di JavaScript dalla metà degli anni 2010 in poi spesso non hanno catturato altro che uno spinner di caricamento.

Un caso concreto: un forum phpBB del 2009 con 40.000 post. La Wayback mostra i thread pubblici, sparsi in anni di acquisizioni. Il Salva con nome del browser produce pagine con URL archive.org riscritti, avatar mancanti e nessun allegato. Puntare wget su web.archive.org è lento, limitato in frequenza, e vi dà comunque HTML avvolto dalla Wayback a meno che non riscriviate ogni URL da soli. È una serata di lavoro per sottoforum, per un risultato pasticciato.

Andarsene con file reali

Quando l'obiettivo è ripubblicare o conservare una copia locale, usate un estrattore dedicato. Il nostro servizio di ripristino estrae la versione archiviata di un dominio dalla Wayback e la ricostruisce come file puliti. La stima gratuita vi fornisce il numero esatto di file archiviati, la dimensione totale e un prezzo bloccato prima di pagare qualsiasi cosa. Da lì pagate per file ripristinato, il primo è gratuito e non c'è nulla di ricorrente, con opzioni di pulizia che rimuovono vecchi tracker, annunci e iframe, rendono i link interni relativi e convertono il sito in HTTPS. Potete scaricare il risultato, esportare gli articoli come XML, CSV o JSON, o distribuire direttamente sul vostro hosting con un piccolo CMS incluso.

Per il flusso di lavoro completo di download, la guida su scaricare un sito web da Archive.org lo illustra passo dopo passo, e l'articolo sul Wayback downloader confronta gli approcci principali.

Un cheat sheet per la Wayback Machine di Archive.org

Aggiungete ai segnalibri questo elenco, copre la maggior parte di ciò che la gente chiede sul sito: