Machine Way Back: Wybór właściwej daty migawki do odtworzenia

Wpisz 'machine way back' w wyszukiwarkę, a trafisz na to samo narzędzie co wszyscy: Wayback Machine na web.archive.org. Ale oto, o czym nikt nie wspomina. Znalezienie archiwum to łatwizna. Odtworzenie strony zależy od jednej decyzji, którą datę migawki wybierzesz.

Widziałem, jak odtworzenia kończyły się fiaskiem, bo ktoś wybrał najnowszą migawkę, która okazała się stroną parkowanej domeny. I widziałem, jak sklep z 2014 roku wracał do życia, bo poświęciliśmy dwadzieścia minut na wybór roku 2018 zamiast 2019. Daty mają większe znaczenie niż narzędzia.

Problem Machine Way Back: Której migawce zaufać?

Popularna domena może zawierać dziesiątki tysięcy migawek rozłożonych na dwie dekady. Sama strona główna może mieć ich pięćset. Każda migawka zamraża jeden moment: ten motyw, te ceny, ten wpis na blogu, to włamanie. Wybierz zły moment, a odtworzysz niewłaściwą stronę, idealnie.

Maszyna nie wie, która wersja była dobra. Po prostu rejestruje to, co zobaczyła, kiedy to zobaczyła. Ocena należy do ciebie lub do osoby, której płacisz za przeprowadzenie odtworzenia.

Oto liczba, która skupia uwagę. Średniej wielkości witryna biznesowa działająca przez dziesięć lat może z łatwością mieć od 3000 do 8000 zarchiwizowanych plików we wszystkich migawkach. Gdzieś w tym stosie jest wersja, za którą warto zapłacić, by ją odbudować. Pozostałe wersje, miesiąc po włamaniu, niedokończony redesign, strona parkowana, kosztują tyle samo do odtworzenia i są nic niewarte.

Jak naprawdę działają migawki Wayback Machine

Migawka to nie kopia zapasowa witryny. To jedna wizyta robota indeksującego na jednym adresie URL w jednym znaczniku czasu. Robot pobrał HTML, zebrał zasoby, które uznał za stosowne, i poszedł dalej. Strona główna znanej witryny może być przechwytywana co tydzień. Strona na trzecim poziomie głębokości może zostać przechwycona dwa razy w całym swoim życiu.

Jeszcze jedna komplikacja: gdy przeglądasz migawkę, archiwum składa stronę z najbliższych przechwyceń, jakie posiada. HTML może pochodzić z czerwca 2016, logo z kwietnia, a arkusz stylów z sierpnia. Zazwyczaj jest to niewidoczne. Czasami powstaje strona-potwór, która wygląda na uszkodzoną, mimo że każdy pojedynczy element jest prawdziwy.

Dlatego też znacznik czasu na pasku narzędzi to tylko połowa prawdy. Mówi, kiedy przechwycono HTML, a nie kiedy przechwycono obrazy. Pamiętaj o tym za każdym razem, gdy oceniasz datę.

Czytanie kalendarza Wayback Machine jak profesjonalista

Widok kalendarza to twoja mapa. Każdy rok pokazuje pasek sparkline, wyższy oznacza więcej migawek w danym roku. Każdy dzień z przechwyceniem otrzymuje kółko: niebieskie dla czystej odpowiedzi 2xx, zielone dla przekierowania, pomarańczowe lub czerwone dla błędu. Grube kółko oznacza kilka migawek tego dnia, co ma znaczenie dla witryn, które często się zmieniały.

• Zielone kółka zasługują na podejrzliwość. Migawka przekierowania może wskazywać na nową domenę, stronę parkowaną lub zajęcie domeny.
• Rzadkie lata oznaczają, że robot rzadko odwiedzał witrynę. Weź dowolną datę, jaką możesz uzyskać, i sprawdź ją szczególnie dokładnie.
• Gęste tygodnie wokół redesignu oznaczają intensywne indeksowanie, duży wybór, więc bądź wybredny.

Jeśli dwie daty wyglądają identycznie, otwórz obie w kartach i przeklikaj te same trzy strony na każdej. Różnice kryją się na głębokich stronach: element menu, który w jednej migawce zwraca 404, brakujący arkusz stylów w drugiej. Dziesięć minut porównania obok siebie to najtańsze ubezpieczenie w całym tym procesie.

Jak daleko wstecz powinno sięgać odtworzenie z Wayback Machine?

Właściwa data prawie nigdy nie jest najnowsza. To ostatnia data, kiedy witryna była zdrowa: przed włamaniem, przed zatrzymaniem redesignu w połowie, przed wygaśnięciem domeny i pojawieniem się strony parkowanej.

1. Znajdź ostatni znany dobry okres. Zapytaj, kiedy witryna ostatnio zarabiała pieniądze, miała pozycje w rankingu lub ruch.
2. Wybierz od trzech do pięciu potencjalnych dat z tego okresu.
3. Otwórz stronę główną dla każdej kandydatury i potwierdź, że renderuje się w pełni, wraz z obrazami.
4. Wyrywkowo sprawdź dwie lub trzy głębokie strony, produkt, wpis, kategorię, w tej samej dacie.
5. Preferuj datę po ustabilizowaniu się projektu, a nie w trakcie migracji. Sześć tygodni mieszanych szablonów to złe sąsiedztwo.

W Restorix ustawiasz to jako zakres dat podczas odtwarzania, dzięki czemu cała witryna pochodzi z jednego okna, a nie z rozmycia na przestrzeni dekady. Jeśli pierwsze okno wygląda na ubogie, darmowy szacunek poda dokładną liczbę zarchiwizowanych plików przed dokonaniem płatności, dostosuj zakres i uruchom ponownie.

Jedna kontrola, którą ludzie pomijają: zasoby w pobliżu wybranej daty. Strona przechwycona 14. może polegać na obrazach przechwyconych 3. Poszerzenie zakresu o kilka tygodni pozwala odtworzeniu wciągnąć tych sąsiadów. Otrzymujesz spójną witrynę bez problemu strony-potwora.

Błędy w dacie migawki, które rujnują odtworzenie

• Domyślne wybieranie najnowszej migawki. Najnowsza często oznacza parkowaną domenę, ostrzeżenie o wygasłym certyfikacie lub stronę ze spamem pozostawioną przez hakera.
• Ufanie jednej stronie. Strona główna może wyglądać idealnie, podczas gdy każda strona produktu z tej daty jest uszkodzona.
• Mieszanie epok. Strona główna z 2019, wpisy z 2014, arkusz stylów z 2011, witryna, która zaprzecza samej sobie przy każdym kliknięciu.
• Ignorowanie migawek przekierowań. Łańcuch 301 może prowadzić do nowej siedziby witryny, co zmienia to, co powinieneś odtworzyć.
• Wybieranie nostalgii zamiast jakości. Wersja z 2009 jest urocza. Wersja z 2016 to ta z całą zawartością.

Każdy z tych problemów to dwadzieścia minut przed odtworzeniem i dwa dni po nim.

Sklep z 2014 roku, trzy potencjalne daty

Sklep WooCommerce klienta, uruchomiony w 2014 roku, radził sobie dobrze do czasu włamania ze spamem farmaceutycznym na początku 2019 roku. Domena wygasła w 2020, a hosting przestał działać w 2021. Potencjalne daty: połowa 2018 (zdrowa, aktualny projekt), początek 2019 (po włamaniu, migawka dosłownie pokazuje wstrzyknięte reklamy butów nad zakładką) i koniec 2020 (strona parkowana). Nie jest to trudny wybór, ale tylko wtedy, gdy faktycznie spojrzysz na wszystkie trzy.

Ustawiliśmy zakres dat od października do grudnia 2018. Szacunek pokazał liczbę zarchiwizowanych plików i zablokowaną cenę. Odtworzenie przebiegło z zachowaniem przekierowań i usunięciem starych analityk. Sklep wrócił na swoją oryginalną domenę i znów zarabia, cała decyzja zajęła mniej czasu niż napisanie faktury.

Zauważ, czego nie zrobiliśmy: nie odtworzyliśmy 2019, bo była 'najbliższa teraźniejszości', i nie odtworzyliśmy 2014 z sentymentu. Zwycięska data to ta, w której witryna była kompletna. Cała reszta to archeologia.

Od daty migawki do działającej witryny

Po wybraniu daty część mechaniczna jest szybka. Wklej domenę do panelu odzyskiwania, potwierdź darmowy szacunek, ustaw zakres dat i wybierz opcje czyszczenia, względne linki wewnętrzne, konwersja HTTPS, zminifikowane zasoby, usunięte iframe'y i linki zewnętrzne. Następnie pobierz witrynę lub wdróż ją jednym kliknięciem przez SSH/SFTP, FTP/FTPS lub S3.

Wehikuł czasu zrobił swoje, gdy zapisał stronę. Twoim zadaniem jest wybór dnia, do którego warto wrócić.

Po wdrożeniu dołączony Restorix CMS znajduje się pod /webarchive-cms.php z hasłem dla każdej witryny w panelu, tryb bezpieczny domyślnie włączony. Obsługuje edycję treści i wyszukiwanie z zamianą, czyli dokładnie to, czego potrzebujesz, gdy odtworzona strona pokazuje numer telefonu sprzed dekady. Poradnik obejmuje cały proces od szacunku do edycji.