Wayback Machine e siti storici del web: dove vive il vecchio web

Nell'ottobre 2009, Yahoo chiuse GeoCities. Milioni di pagine personali costruite a mano, file MIDI, GIF 'in costruzione', santuari a serie TV dimenticate, furono segnate per la cancellazione con pochi mesi di preavviso. Un gruppo di volontari chiamato Archive Team trascorse quei mesi a raccogliere dati il più velocemente possibile dai server di Yahoo e rilasciò il tutto come torrent. Quel salvataggio è il motivo per cui i siti storici del web sono qualcosa che puoi ancora visitare invece di ricordare.

La frase di ricerca è goffa, wayback machine, siti storici del web, in qualsiasi ordine escano le parole, ma la domanda che c'è dietro è semplice: dove vive il vecchio web, e puoi ancora vederlo? Puoi farlo. Ecco un tour dei luoghi che lo conservano, dalle centinaia di miliardi di acquisizioni della Wayback Machine a un sito che ti permette di navigare il 1997 all'interno di un Netscape Navigator emulato. E alla fine, la parte pratica: come sollevare un pezzo di quella storia dallo scaffale del museo e rimetterlo online con il tuo dominio.

Cosa si considera un sito storico del web?

Tre cose diverse vengono messe insieme. Primo, i grandi archivi di crawling, la Wayback Machine e le sue cugine delle biblioteche nazionali, che acquisiscono pagine su base regolare. Secondo, le collezioni salvate: piattaforme defunte come GeoCities, Tripod o AOL Hometown, salvate in blocco prima della chiusura e ri-hostate da volontari. Terzo, i musei viventi: progetti come oldweb.today che non si limitano a memorizzare le pagine ma ricreano l'esperienza della navigazione dell'epoca, con i browser e i dettagli visivi di allora.

Il bisogno non è sentimentale. Un sondaggio Pew Research del 2024 ha rilevato che il 38% delle pagine web del 2013 non era più accessibile un decennio dopo. Le pagine non scompaiono perché qualcuno decide che la storia è finita. Scompaiono perché una carta di credito scade, un'azienda viene acquisita, un aggiornamento CMS va storto. I siti storici del web sono la rete di sicurezza per un medium che non ha edizione cartacea.

Il materiale che vale la pena preservare di solito rientra in alcune categorie:

• HTML codificato a mano pre-2010, layout con tabelle, GIF di spaziatura, libri degli ospiti
• Piattaforme defunte: GeoCities, Tripod, Angelfire, blog di MySpace, Google+
• Community di forum su phpBB e vBulletin, spesso l'unico record di hobby di nicchia
• Primi blog e fotolog che precedono i social media
• Siti di piccole imprese e club chiusi, la storia locale che nessun altro ha archiviato

Come la Wayback Machine è diventata la più grande collezione di siti storici del web

L'Internet Archive, fondata da Brewster Kahle nel 1996, ha aperto la Wayback Machine al pubblico nel 2001. Ora contiene centinaia di miliardi di acquisizioni di pagine e rimane la risposta predefinita a 'com'era questo sito cinque anni fa'. La vista calendario mostra la densità delle acquisizioni a colpo d'occhio; la timemap elenca ogni snapshot di un URL; Save Page Now permette a chiunque di archiviare la pagina che sta visualizzando, motivo per cui gran parte del web recente viene catturata entro pochi minuti dalle notizie di rottura.

Due trucchi che vale la pena conoscere. Aggiungi id_ a un timestamp nell'URL, web.archive.org/web/20090601id_/http://example.com, e ottieni il file originale esattamente come è stato acquisito, senza il banner iniettato dall'archivio e i link riscritti. E l'API CDX elencherà ogni acquisizione di un pattern URL, il modo in cui i professionisti inventariano un intero sito defunto prima di toccarlo.

Anche le lacune contano. La Wayback Machine storicamente rispettava robots.txt, quindi alcuni vecchi siti hanno una copertura esigua. Le pagine ricche di JavaScript spesso acquisiscono il guscio ma non il contenuto. Immagini e file ospitati su altri domini vengono persi. Quando un'acquisizione sembra rotta, la prima mossa è provare acquisizioni di qualche mese prima o dopo, la qualità della copertura varia enormemente tra le date.

GeoCities e i progetti di salvataggio che si sono rifiutati di lasciarla morire

GeoCities era il terzo sito più visitato del web quando Yahoo lo acquistò nel 1999. Dieci anni dopo Yahoo lo chiuse, e lo scraping di emergenza dell'Archive Team divenne uno dei più grandi atti di preservazione digitale mai compiuti da volontari. I dati vivono in luoghi come oocities.org e geocities.ws, che ri-hostano le pagine salvate, e GifCities, il motore di ricerca dell'Internet Archive per le GIF animate recuperate dalla collezione. Deleted City di Richard Vijgen rende l'archivio come una mappa ingrandibile, quartieri inclusi, e Cameron's World lo rimescola in un collage omaggio.

Due derivati meritano una menzione speciale. One Terabyte of Kilobyte Age, il blog di ricerca di Olia Lialina e Dragan Espenschied, pubblica da anni screenshot e saggi dalla collezione, la cosa più vicina a un programma curatoriale che il vecchio web abbia. E Neocities, fondata nel 2013, è l'erede vivente: non un archivio ma un host gratuito dove le persone costruiscono di nuovo pagine personali codificate a mano, estetica GeoCities inclusa.

La lezione di GeoCities è scomoda: nulla ospitato da qualcun altro è permanente, per quanto grande sia l'azienda. Yahoo era il gigante del web. La piattaforma sopravvisse alla sua giustificazione commerciale esattamente quanto durò il periodo di preavviso.

oldweb.today: navigare vecchie pagine con browser dell'epoca

Una pagina del 1997 era scritta per Netscape Navigator 4 o Internet Explorer 5. Aperta in un browser moderno, i frame collassano, gli applet muoiono, i font vengono sostituiti e il tag blink resta lì senza lampeggiare, i motori moderni si rifiutano. oldweb.today, costruito da Ilya Kreymer di Webrecorder, risolve questo problema eseguendo browser vintage emulati all'interno del tuo browser e alimentandoli con acquisizioni dall'Internet Archive e da diversi archivi web nazionali. Scegli Mosaic, Netscape o IE iniziale, digita un URL e un anno, e ottieni la pagina com'era effettivamente.

Sembra una curiosità finché non lo usi per la ricerca. I layout con GIF di spaziatura hanno senso solo alle dimensioni schermo dell'epoca. I menu DHTML scritti per IE4 non funzionano in un motore moderno. Se studi, citi o ricostruisci vecchi siti, renderli nel browser per cui sono stati progettati fa la differenza tra guardare un esemplare e guardare una foto di un esemplare. Lo stesso team di ArchiveWeb.page opera nella direzione opposta: registra la tua navigazione attuale in file WACZ standard, così le pagine che ti stanno a cuore oggi diventano la storia ben conservata di qualcun altro in futuro.

Oltre alla Wayback Machine: altri siti storici del web che vale la pena conoscere

La Wayback Machine è la più grande, non l'unica. La ricerca seria, e il ripristino serio, confronta più archivi, perché ogni crawler ha visto una fetta diversa del web.

Le biblioteche nazionali meritano rispetto qui. Le leggi sul deposito legale significano che la British Library, la Bibliothèque nationale de France e altre crawlano sistematicamente i domini del proprio paese, catturando spesso siti regionali e governativi che l'Internet Archive ha visto raramente o mai.

Ripristinare siti storici del web dalla Wayback Machine

Visitare un museo è una cosa. A volte un pezzo di storia merita di essere rimesso in funzione: il sito del tuo club del 2003, la documentazione di un progetto open-source defunto, la homepage di un parente che è venuto a mancare. Un cliente è venuto da me l'anno scorso con esattamente questo, un fotolog gestito dal padre defunto, offline dal 2014. La famiglia voleva che tornasse al dominio originale per un anniversario.

1. Trova la migliore acquisizione. Usa la vista calendario e controlla diverse date; quella più recente non è sempre la più completa. Le immagini si rompono in modo diverso tra le acquisizioni.
2. Ottieni l'inventario reale prima di impegnarti. Il preventivo gratuito del servizio di ripristino legge l'archivio per il tuo dominio e restituisce il numero esatto di file archiviati, la dimensione totale e un prezzo bloccato, prima che tu paghi qualsiasi cosa.
3. Scegli le opzioni di ripristino. La selezione per intervallo di date ti mantiene nella migliore era del sito; la rimozione di vecchie analisi, pubblicità e iframe elimina i terze parti del 2008; i link interni relativi e la conversione HTTPS rendono il risultato distribuibile ovunque.
4. Ripristina. Paghi per file con una piccola tariffa fissa, il primo file è gratuito e non c'è abbonamento, solo ricariche una tantum del saldo.
5. Distribuisci e mantieni. Il deploy con un clic spinge il sito ripristinato sul tuo VPS, hosting condiviso o S3, e il CMS monofile incluso permette alla famiglia, o al segretario del club, di correggere un refuso senza imparare Git.

Nel caso di quel fotolog, il preventivo ha trovato 1.140 file e 210 MB, il ripristino ha richiesto meno di un'ora e il sito ora risiede su un hosting statico economico che costa meno all'anno di un mazzo di fiori. I ripristini falliti vengono rimborsati automaticamente sul saldo, quindi il profilo di rischio è altrettanto emozionante di leggere uno scontrino. Il flusso completo di wayback restore è documentato se vuoi prima i dettagli.

Un link al museo vs possedere l'esposizione

Collegarsi a un'acquisizione della Wayback Machine va bene per una citazione o un riferimento occasionale. Il ripristino vince quando il contenuto ha un valore continuo: traffico di ricerca che dovrebbe atterrare sul tuo dominio, uptime sotto il tuo controllo e indipendenza dalle politiche di un singolo archivio, gli archivi rimuovono contenuti su richiesta, e la Wayback Machine non fa eccezione. La mia regola: collega per le note a piè di pagina, ripristina per tutto ciò che ti dispiacerebbe perdere due volte.

Un link a un archivio è una promessa che qualcun altro mantiene. Un ripristino è una copia nelle tue mani.