Odzyskiwanie starej strony internetowej: jak przywrócić witrynę po latach offline

W zeszłą wiosnę zadzwoniła do mnie klientka z dobrze znanym problemem. Prowadziła firmę ogrodniczą od lat na stronie zbudowanej w 2013 roku, zgrabna witryna wizytówkowa, galeria gotowych ogrodów i formularz wyceny, który przynosił większość zleceń. Domena wygasła w 2019 roku. Konto hostingowe zostało anulowane dużo wcześniej. Projektant wyjechał na emeryturę do Portugalii i przestał odpowiadać na maile. Zadała pytanie, które w tej sytuacji zadaje każdy: czy odzyskanie starej strony jest w ogóle możliwe, czy zaczynam od zera?

Szczera odpowiedź: prawdopodobnie tak, i prawdopodobnie więcej, niż się spodziewasz. Niemal wszystko, co publiczna strona kiedykolwiek pokazywała odwiedzającym, zostało gdzieś skopiowane, przez roboty archiwizujące, wyszukiwarki, czyjś skrypt do backupu. Sztuka polega na tym, by wiedzieć, co gdzie przetrwało, i uczciwie ocenić luki. To jest workflow, którego używam przy takich zleceniach, i oczekiwania, które ustalam, zanim ktokolwiek wyda choćby złotówkę.

Co tak naprawdę oznacza odzyskiwanie starej strony

Odzyskiwanie starej strony to nie redesign, i nie chodzi o „zrób mi nową stronę, która wygląda jak stara". Chodzi o znalezienie istniejących kopii witryny, zarchiwizowanego HTML-a, obrazów, arkuszy stylów, dokumentów, i złożenie ich z powrotem w działającą stronę, którą znów posiadasz. Taką, którą postawisz na domenie, edytujesz i z której będziesz zbierać leady. To rozróżnienie ma znaczenie, bo przesuwa cenę o rząd wielkości: odzyskiwanie wykorzystuje to, co już istnieje, natomiast odbudowa płaci komuś za odtworzenie tego ze zrzutów ekranu i pamięci.

Trzy rodzaje źródeł wykonują tu najcięższą robotę. Archiwa sieciowe, przede wszystkim Wayback Machine, przechowują skopiowane wersje publicznych stron sięgające dekad wstecz. Cache wyszukiwarek bywał drugą opcją, ale Google wycofało swój cache w 2024 roku, więc to źródło jest dziś w większości wyschnięte. A prawdziwe backupy, od starego hostingu, starego developera czy z dysku w szufladzie, to jedyne miejsce, w którym kulisy witryny kiedykolwiek przetrwały. Każde źródło oddaje inny wycinek starej strony.

Gdzie tak naprawdę żyją kopie Twojej strony

Zanim cokolwiek przywrócisz, zinwentaryzuj źródła. Oto co każde z nich realistycznie przechowuje dla strony, która była offline od lat:

Przeczytaj tę tabelę, a wzorzec sam się narzuca: warstwa prezentacji przetrwała, warstwa aplikacji, nie. HTML, CSS i obrazy były publiczne, więc roboty je skopiowały. Skrypty PHP, bazy danych i panele admina siedziały za serwerem, gdzie żaden crawler nie mógł ich zobaczyć. Dla strony wizytówkowej albo bloga warstwa prezentacji to niemal cała strona. Dla sklepu albo forum odzyskujesz katalog i treść, ale nie zamówienia, konta ani prywatne wiadomości.

Realistyczne oczekiwania wobec odzyskiwania starej strony

Ustalam oczekiwania za pomocą liczb, zanim dotknę czyjejś strony, bo nadzieja nie jest planem. Na podstawie zleceń odzyskiwania z ostatnich lat, tak wygląda dobry wynik:

• Strony statyczne i posty blogowe: 90–100% do odzyskania, jeśli strona pozwalała na crawlowanie.
• Obrazy: zwykle 70–95%, zależnie od tego, jak głęboko archiwum crawlowało i czy mieszkały na osobnej domenie CDN.
• PDF-y i pliki do pobrania: ruletka. Crawlery często pomijały pliki powyżej pewnego rozmiaru.
• Wideo: zakładaj, że przepadło, chyba że było na YouTube albo Vimeo, wtedy właściwie nigdy nie zginęło.
• Bazy danych, produkty, użytkownicy, komentarze, zamówienia: przepadły, jeśli nie ma prawdziwego backupu. Archiwa widziały tylko wyrenderowane strony.
• Pozycje w wyszukiwarce: częściowo do uratowania. Zachowaj oryginalne URL-e tam, gdzie to możliwe, zrób 301 dla reszty, a Google nauczy się strony szybciej, niż myślisz.

Dwa prawdziwe zlecenia. Forum phpBB z 2009 roku wróciło jako 400-kilka wątków statycznego HTML-a, każdy post czytelny, zero kont użytkowników. Sklep WooCommerce klientki wrócił z pełnym katalogiem, każdym opisem produktu i większością zdjęć, ale bez historii zamówień i bez listy klientów. Obie właścicielki były zadowolone, bo obie znały kształt wyniku, zanim praca się zaczęła.

Co przetrwało, a co bezpowrotnie przepadło

Krótka inwentaryzacja oszczędza ludziom zmarnowany weekend na poszukiwaniu rzeczy, które nigdy nie miały kopii:

• Zwykle przetrwało: publiczne strony HTML i posty blogowe, plus obrazy, do których te strony linkowały.
• Zwykle przetrwało: arkusze stylów, pliki JavaScript, fonty, robots.txt, favicon, czasem sitemap.xml.
• Zwykle przetrwało: niektóre PDF-y i mniejsze pliki do pobrania, jeśli crawlowane strony do nich linkowały.
• Przepadło bez backupu: kod po stronie serwera, PHP, Python, wtyczki, logika szablonu motywu.
• Przepadło bez backupu: baza danych, produkty, metadane postów, użytkownicy, komentarze, zamówienia.
• Przepadło bez backupu: wszystko, co za logowaniem, i każdy działający formularz, pole wyszukiwania i koszyk, archiwa zachowały ich wygląd, nie wnętrze.
• Przepadło bez backupu: konta e-mail, konfiguracja serwera, reguły.htaccess.

Dwie pułapki zasługują na osobną wzmiankę. Jeśli stara strona miała robots.txt blokujący roboty, archiwa mogą nie mieć prawie nic, sprawdź to, zanim cokolwiek zaplanujesz. Snapshoty zrobione po wygaśnięciu domeny zwykle pokazują stronę parkingową albo spamerski doorway. Zawsze przywracaj ze snapshotu zrobionego, gdy strona naprawdę żyła; najnowsza klatka rzadko bywa najlepsza.

Krok po kroku: workflow odzyskiwania starej strony

1. Wypisz URL-e. Wyciągnij inwentarz URL-i strony z indeksu CDX Wayback Machine albo widoku kalendarza, i złap sitemap.xml ze zdrowego snapshotu, jeśli istnieje.
2. Wybierz właściwy rok. Przeskanuj kalendarz snapshotów w poszukiwaniu ostatniego okresu, w którym ujęcia pokazują prawdziwą stronę, a nie stronę parkingową ani hack.
3. Uzupełnij luki przez archive.today. Strony, które Wayback pominął, czasem są tam, sprawdź najważniejsze URL-e jeden po drugim.
4. Przywróć pliki. Przy kilkunastu stronach ręczne zapisywanie wystarczy. Przy całej witrynie odpal automatyczne odzyskiwanie: to narzędzie pokazuje darmową wycenę z dokładną liczbą zarchiwizowanych plików, łącznym rozmiarem i zablokowaną ceną, zanim cokolwiek zapłacisz, a potem odtwarza stronę z przepisanymi linkami wewnętrznymi i usuniętą starą analityką, jeśli chcesz.
5. Posprzątaj. Usuń zarchiwizowane tagi reklamowe i skrypty śledzące, ustandaryzuj www lub nie-www i zamień linki wewnętrzne na względne, żeby strona działała na każdej domenie.
6. Zmapuj URL-e. Zachowaj oryginalne ścieżki, gdzie to możliwe, i zrób 301 dla wszystkiego, co świadomie pomijasz.
7. Wdróż i zweryfikuj. Przeskanuj odzyskaną stronę, napraw 404, a potem wrzuć świeżą sitemapę do Search Console.

Sprzątanie to etap, na którym zatrzymują się zlecenia DIY. Ręczne kopiuj-wklej z archive.org zostawia Cię z linkami absolutnymi wskazującymi z powrotem na web.archive.org i z beaconem analitycznym sprzed dekady odpalanym na każdej stronie. Opcje odzyskiwania istnieją dokładnie do tego: usuwanie iframeów i kodu reklamowego, minifikacja zasobów i uniezależnienie linków od domeny to checkboxy, a nie popołudnia find-and-replace.

Błędy, które topią odzyskiwanie starej strony

• Przywracanie z najnowszego snapshotu zamiast z najzdrowszego. Ostatni rok umierającej strony to często strony parkingowe i przekierowania z malware.
• Pozwolenie domenie czekać, podczas gdy się zastanawiasz. Najpierw odkup domenę, odzyskiwanie treści pod adres, który jest własnością squattera, to zmarnowana robota.
• Mieszanie lat snapshotów. Linki nawigacji z 2016 prowadzą do stron, których Twoja kopia z 2014 nie ma, i każde menu staje się farmą 404.
• Zapomnienie o subdomenie CDN. Jeśli obrazy mieszkały na cdn.twojastrona.pl, sprawdź tę domenę w archiwum osobno, ma swoją własną historię snapshotów.
• Pominięcie kwestii praw. Przywrócenie własnej strony to standardowa praktyka; hurtowe przedrukowanie cudzej treści to problem z prawem autorskim.
• Odbudowa na zablokowanej platformie przed eksportem. Najpierw złap czyste pliki, ustrukturyzowany eksport artykułów do XML, CSV lub JSON istnieje nie bez powodu, a potem decyduj, gdzie będą mieszkać.

Koszty, czas i samemu czy zlecić

DIY przez kopiuj-wklej: za darmo i w sam raz do mniej więcej dwudziestu stron. Zaplanuj weekend i dużo cierpliwości. Darmowe skrypty do pobierania z Webbacka obsłużą hurtowo, ale zostawiają Cię z połamanymi linkami wewnętrznymi i brakującymi zasobami, znowu ten podatek za sprzątanie. Płatne odzyskiwanie wycenia się per plik; Restorix nalicza opłatę za każdy przywrócony plik z niewielką stałą opłatą za odzysk, pierwszy plik gratis, cena zablokowana w momencie wyceny, bez żadnych opłat cyklicznych. Kilkaset plików zwykle mieści się w cenie rzędu kilkudziesięciu dolarów, a automatyczne zwroty wracają na saldo, jeśli odzysk się nie powiedzie.

Czas rozkłada się tak samo na każdym zleceniu: samo odzyskiwanie to szybka część, setki stron w niespełna godzinę, a ludzka robota po nim to część wolna. Strona ogrodnicza mojej klientki wróciła jako 86 stron i około 300 obrazów. Wycena zajęła minutę. Jej weekend poszedł na podpięcie działającego formularza wyceny i na zrobienie od nowa dwóch zdjęć ogrodu, które i tak jej się nie podobały. Odzyskana strona była lepsza od oryginału w ciągu tygodnia, i to jest ta część, której nikt nie oczekuje.

Wracanie ze odzyskaną stroną do sieci

Odzyskana strona wizytówkowa może spokojnie mieszkać na tanim hostingu statycznym. Jeśli właściciel chce edytować treść, a prędzej czy później zawsze chce, wdróż ją z podpiętym CMS-em zamiast doczepiać go później. Restorix wdraża na SSH/SFTP VPS, hosting współdzielony FTP albo S3 jednym kliknięciem, a jego wdrożenia zawierają jednoplikowy CMS pod /webarchive-cms.php z hasłem admina per strona, więc właściciel edytuje tekst i podmienia obrazy bez dotykania kodu. Cokolwiek wybierzesz, na koniec dopnij nudne podstawy: świeża analityka zamiast tagu z 2013 roku, sitemap XML, weryfikacja w Search Console i 301 dla każdego URL-a, którego zdecydowałeś się nie przywracać.