Odzyskiwanie starych stron: najszybsze sposoby na znalezienie utraconej strony

Ktoś wysyła Ci link. Klikasz, a zamiast strony widzisz błąd 404, albo, co gorsza, zaparkowaną domenę pełną reklam tabletek i kryptowalut. Strona istniała w zeszłym roku. Wiesz, że tak było. Być może ją cytowałeś. Odzyskiwanie starych stron internetowych to sztuka przywracania tej jednej strony i w przeciwieństwie do odtwarzania całej witryny, zwykle zajmuje dziesięć minut, jeśli zapukasz do właściwych drzwi we właściwej kolejności.

Oto kolejność, której używam, od najszybszej, z rzeczywistymi wskaźnikami sukcesu, jakie obserwuję. Dobra wiadomość: w przypadku publicznej strony, która istniała dłużej niż kilka miesięcy, szanse są zdecydowanie po Twojej stronie.

Odzyskiwanie starych stron internetowych: najpierw wypróbuj najszybsze źródło

Najszybszy ruch w odzyskiwaniu starych stron nic nie kosztuje i zajmuje pięć sekund. Wklej martwy adres URL w pasek adresu Wayback Machine, lub użyj skrótu web.archive.org/web/, a po nim adresu URL, a otrzymasz kalendarz wszystkich kiedykolwiek wykonanych migawek. Wybierz datę, a dostaniesz stronę. W przypadku stron, które były publiczne przez rok lub dłużej, to działa w około ośmiu na dziesięć przypadków, z mojego doświadczenia.

Jeśli mniej więcej wiesz, kiedy strona była aktywna, dodaj rok do skrótu: web.archive.org/web/2019/, a po nim adres URL, co przeniesie Cię od razu do najbliższej migawki z 2019 roku, zamiast zmuszać do przewijania kalendarza. Mały trik, ale realna oszczędność czasu, gdy sprawdzasz kilkanaście adresów URL pod rząd.

Wayback Machine: kręgosłup odzyskiwania starych stron

Wayback Machine to miejsce, gdzie zaczyna się i kończy większość odzyskiwań pojedynczych stron, więc poznaj jej dwie osobliwości. Po pierwsze, kalendarz oznacza daty migawek kółkami, im większe kółko, tym więcej migawek danego dnia, a lata, w których strona działała prawidłowo, to te, które warto przeszukiwać, a nie rok, w którym domena wygasła. Ostatnie migawki umierającej witryny to zazwyczaj strony parkingowe. Po drugie, to, co odzyskujesz, to migawka: obrazy ładują się z archiwalnych kopii, linki prowadzą do innych zarchiwizowanych stron, a formularz kontaktowy teraz nie robi już nic.

Dwa kolejne przydatne ruchy. Widok Zmiany podświetla, co różni się między migawkami, przydatne, gdy potrzebujesz wersji sprzed edycji, w której ktoś usunął fragment, po który przyszedłeś. A jeśli Wayback nic nie ma, nie zatrzymuj się na tym. To największe archiwum, ale nie jedyne.

archive.today: plan awaryjny, który często wygrywa

archive.today, dostępny również jako archive.ph, archive.li i kilka innych mirrorów, to zupełnie inna bestia. Zapisuje strony na żądanie, zamiast indeksować według harmonogramu, nie respektuje tych samych żądań wykluczenia i regularnie przechowuje strony, które Wayback całkowicie pominął. Wyszukaj adres URL na jego stronie głównej: jeśli ktokolwiek, gdziekolwiek, kiedykolwiek wkleił ten link do jego pola zapisu, migawka tam jest.

Jego migawki lepiej radzą sobie również z nowoczesnymi stronami. Renderuje JavaScript przed zapisem, więc strony, które w Wayback wyglądają jak puste skorupy, czasami wracają w całości. Kompromis polega na tym, że wszystko odbywa się ręcznie, strona po stronie, w porządku dla jednej strony, bolesne dla pięćdziesięciu.

Co się stało z pamięcią podręczną Google i Bing

Przez dwadzieścia lat najszybszą odpowiedzią na „strona zniknęła” była kopia z pamięci podręcznej Google. Skończyło się to w lutym 2024 roku, kiedy Google wycofał operator wyszukiwania cache: i usunął linki Cached z wyników. Oficjalnym uzasadnieniem było to, że strony ładują się teraz na tyle niezawodnie, że nikt tego nie potrzebuje, niewielkie pocieszenie, gdy gapisz się na błąd 404.

Bing dłużej utrzymywał link do kopii strony, schowany w menu obok każdego wyniku, ale również go wycofuje. Jeśli nadal go widzisz, korzystaj, póki jest. Pamięci podręczne wyszukiwarek i tak przechowywały tylko najnowszą wersję z indeksowania, co czyni je bezużytecznymi dla strony, która zniknęła lata temu, ale dla strony usuniętej w zeszły wtorek mogą być jedyną kopią, jaka kiedykolwiek istniała.

Miejsca, o których ludzie zapominają sprawdzić

• Cytaty z Wikipedii. Jeśli strona była kiedykolwiek cytowana w Wikipedii, przypis zwykle zawiera link „zarchiwizowano z oryginału” do migawki. Sprawdź też historię edycji artykułu.
• Common Crawl. Darmowy, publiczny zbiór danych z indeksowania dostępny na index.commoncrawl.org. Surowy HTML, bez ładnego interfejsu, nieporęczny w przeszukiwaniu, i strony, których nikt inny nie zachował.
• Czytniki RSS. Feedly, Inoreader i podobne przechowują pobrany tekst artykułów. Jeśli strona była wpisem na blogu z kanałem RSS, jej pełna treść może teraz znajdować się w czytnikach obcych osób.
• Twoja własna przeglądarka. Jeśli odwiedziłeś stronę niedawno, historia potwierdza dokładny adres URL, a ponowne załadowanie czasami pobiera stronę z pamięci podręcznej dysku, zanim pojawi się błąd 404. Niskie szanse, zerowy koszt.
• Aplikacje do czytania offline. Zapisane w Pocket i Instapaper, Twoje lub autora.
• Autor. Jeden krótki e-mail, „Cytowałem Twój tekst, czy masz jeszcze kopię?”, działa częściej, niż się ludziom wydaje.

Odzyskiwanie starych stron, gdy nic nie zostało zarchiwizowane

Czasami uczciwa odpowiedź brzmi: nie istnieje żadna migawka, strona była zbyt nowa, witryna blokowała roboty indeksujące lub znajdowała się za loginem. Odzyskiwanie starych stron na tym się nie kończy, ale narzędzia zmieniają się z archiwów na śledcze.

Wyszukaj charakterystyczne frazy ze strony w cudzysłowie, witryny, które syndykowały, cytowały lub po prostu ukradły treść, wypłyną, a Ty możesz odtworzyć istotę z ich wersji. Wyszukaj sam tytuł strony: przeprojektowania przenoszą treści na nowe adresy URL bez uprzedzenia, a „usunięta” strona często żyje pod nowym adresem na tej samej witrynie. Poszukaj wersji PDF lub do druku; szczególnie dokumentacja i treści akademickie często je mają. I sprawdź, kto linkował do tej strony, bloger, który szczegółowo ją streścił, wykonał już połowę Twojej rekonstrukcji.

Odzyskiwanie starych stron: które źródło wypróbować najpierw

Z tą tabelą odzyskanie jednej strony to dziesięć minut. Dwadzieścia stron z tej samej witryny to już nie odzyskiwanie starej strony, to przywracanie całej witryny. Gdy dojdziesz do tego punktu, przestań pobierać adresy URL pojedynczo i przywracaj hurtowo: Restorix daje darmową wycenę z dokładną liczbą zarchiwizowanych plików, zanim wydasz choćby grosz, co jednocześnie powie Ci, czy w ogóle warto przywracać witrynę. Jeśli cała witryna zniknęła, zobacz odzyskiwanie starych witryn, gdzie znajdziesz wersję tego poradnika dla całych witryn.

Zapisz stronę porządnie tym razem

Cokolwiek odzyskasz, załóż, że może znowu zniknąć, archiwa mają luki, reguły wykluczeń się zmieniają, serwisy pojawiają się i znikają. Zapisz stronę na trzy sposoby, już teraz. Prześlij działający adres URL do funkcji Zapisz stronę teraz w Wayback Machine, aby świeża migawka powstała na Twoich warunkach. Prześlij go do archive.today jako drugą, niezależną kopię. I zachowaj lokalną kopię, nad którą żaden serwis nie ma kontroli: wydruk do PDF lub zapis pojedynczego pliku HTML z przeglądarki. Trzy kopie w trzech systemach brzmią paranoicznie, dopóki nie nadejdzie dzień, w którym staną się oczywiste.

Jeśli odzyskana strona jest Twoja i wraca do sieci, ta sama logika się skaluje: przywróć witrynę porządnie, zachowaj pliki w edytowalnej formie i nigdy więcej nie polegaj na pamięci robota indeksującego w kwestii własnych treści. Samouczek Restorix przeprowadzi Cię przez pełne przywracanie, jeśli chcesz zobaczyć proces przed podjęciem decyzji.