Pokaż historię strony: przeszłość dowolnej witryny w mniej niż minutę

W zeszły wtorek napisał do mnie klient w panice. Jego sklep WooCommerce został zniszczony przez wadliwą aktualizację wtyczki, backupy u hosta były przeterminowane o trzydzieści dni, a on potrzebował swoich stron produktowych z powrotem do piątku. Pierwszą rzeczą, którą zrobiłem, nie było grzebanie na serwerze. Otworzyłem Wayback Machine i w około czterdzieści sekund wyświetliłem na ekranie cztery lata historii jego witryny. Właśnie tego uczy ten artykuł: jak szybko pokazać historię strony dla dowolnej domeny i co zrobić z tym, co znajdziesz po załadowaniu.

Żadnych instalacji, żadnych kont, żadnej linii poleceń. Przeglądarka i adres URL to cały zestaw narzędzi. Stosuję tę procedurę do sprawdzania domen, odzyskiwania utraconych treści, badania konkurencji i okazjonalnych sporów o znaki towarowe. Same narzędzia są proste. Umiejętność ich czytania to właściwa umiejętność i to ona odróżnia dwuminutowe sprawdzenie od całego popołudnia zmarnowanego na uszkodzonych migawkach.

Jak pokazać historię strony w mniej niż minutę

Wayback Machine pod adresem web.archive.org przechowuje setki miliardów zapisanych stron, a archiwizacja sięga 1996 roku. W przypadku większości domen, które istnieją od jakiegoś czasu, dostępna jest co najmniej jedna migawka. Oto cała procedura:

1. Otwórz web.archive.org w dowolnej przeglądarce. Na razie zignoruj pole Save Page Now, archiwizuje ono teraźniejszość, a Ciebie interesuje przeszłość.
2. Wklej sam adres URL strony w pole wyszukiwania: example.com, a nie zapytanie wyszukiwarki.
3. Naciśnij Enter. Trafisz na widok kalendarza z czarnym wykresem słupkowym lat u góry.
4. Kliknij rok na wykresie słupkowym, aby przeskoczyć do niego w kalendarzu.
5. Najedź na dzień oznaczony kolorowym kółkiem. W wyskakującym okienku pojawi się lista godzin archiwizacji; wybierz jedną z nich.
6. Migawka załaduje się w tym samym miejscu. Większość linków wewnętrznych, które zostały zaindeksowane, nadal działa, więc możesz klikać i sprawdzać, jak głęboko sięga archiwizacja.

Jeden szczegół sprawia kłopot: wersje http i https domeny są przechowywane osobno, podobnie jak wersje www i bez www. Jeśli wyszukiwanie przynosi niewiele wyników, spróbuj wariantów. Stara strona, która w 2009 roku działała pod adresem http://www.example.com, ma swoją historię zapisaną dokładnie pod tym adresem, a wyszukiwanie współczesnego adresu https pokaże prawie nic.

Czterdzieści sekund, tak jak obiecałem. Wolna część to decyzja, co zrobić dalej, i reszta tego artykułu jest właśnie o tym.

Odczytywanie osi czasu Wayback Machine

Wykres słupkowy u góry pokazuje liczbę archiwizacji na rok. Wysokie słupki oznaczają, że archiwum często pobierało stronę. Wysokość nie mówi nic o ruchu ani jakości, tylko o tym, jak dobrze strona była indeksowana i linkowana. Kolorowe kółka rozsiane po dniach kalendarza mówią, czym właściwie jest każda pojedyncza archiwizacja:

• Niebieski: udana archiwizacja, HTTP 200. To jest to, czego szukasz.
• Zielony: przekierowanie. Migawka to tylko drogowskaz do innego adresu URL, często stare przejście z http na https.
• Pomarańczowy: błąd klienta, zwykle 404. Rzadko warto otwierać.
• Czerwony: błąd serwera. Pomiń.
• Kilka kółek w jednym dniu oznacza wielokrotne archiwizacje. Zwykle późniejsza zawiera więcej obrazów i CSS strony.

Płaski rok w środku aktywnej osi czasu to osobna historia: strona była wyłączona, blokowała roboty indeksujące albo straciła wszystkie prowadzące do niej linki. Trzy różne problemy, jeden identyczny objaw.

Inne sposoby pokazywania historii strony, gdy Wayback Machine jest pusty

Wayback Machine jest największym archiwum, ale nie jedynym. Strony, które blokowały jego robota lub ukrywały się za regułami robots.txt, i tak pojawiają się gdzie indziej. Moja bieżąca krótka lista:

• archive.today (dostępne też jako archive.ph): niezależne archiwum na żądanie. Nie ma interfejsu kalendarza, wyszukujesz po adresie URL. Często zawiera strony, które pominął Wayback Machine, i ignoruje niektóre blokady robotów.
• Common Crawl: organizacja non-profit, która co miesiąc indeksuje miliardy stron i udostępnia surowe dane. Stworzona do masowych badań i niewygodna przy zwykłym przeglądaniu, ale nieoceniona, gdy potrzebujesz skali.
• Memento Time Travel (timetravel.mementoweb.org): przeszukuje dziesiątki archiwów internetowych naraz i rozmieszcza trafienia na jednej osi czasu. Najszybszy sposób, by zobaczyć, kto jeszcze zarchiwizował stronę.
• oldweb.today: odtwarza migawki w emulowanych przeglądarkach z epoki. Głównie nostalgia, ale czasem jedyny sposób, by strona z epoki Flash w ogóle się wyrenderowała.

Jeden nawyk do porzucenia: stary trik z cache: w wyszukiwarce. Google wycofało swoją funkcję stron zapisanych w pamięci podręcznej w 2024 roku, a Bing usunął swój odpowiednik. Każdy poradnik, który nadal każe wpisywać cache: w wyszukiwarkę, został napisany wcześniej i nigdy nie został zaktualizowany.

Co zrobić z tym, co znajdziesz

Większość osób sprawdza historię strony z jednego z czterech powodów. Każdy jest uzasadniony i każdy wymaga własnej techniki.

Odzyskaj utraconą treść

Opisy produktów, posty na blogu, tabele cenowe, jeśli strona kiedykolwiek wyświetliła się w przeglądarce, jej tekst niemal na pewno leży gdzieś w archiwum. Skopiuj go ręcznie dla jednej czy dwóch stron. W przypadku całej witryny potrzebujesz faktycznych plików, co jest innym zadaniem; nasz przewodnik po przywracaniu strony z Wayback Machine opisuje tę ścieżkę.

Sprawdź domenę przed zakupem

Wygasłe domeny niosą ze sobą swoją przeszłość. Sprawdzałem jedną w zeszłym roku, która wyglądała idealnie, czysty profil linków, rozsądna cena, dopóki jej migawki z 2014 roku nie ujawniły trzech lat spamu farmaceutycznego i przekierowania do kasyna. Taka historia zatruwa zaufanie wyszukiwarek na lata. Czyste archiwum, z drugiej strony, jest warte dopłaty.

Rozstrzygaj spory

Migawki ze znacznikami czasu są rutynowo używane do pokazania, kiedy treść, branding lub ceny pojawiły się po raz pierwszy. To nie jest porada prawna i sądy same oceniają dowody, ale jako dowód wcześniejszego istnienia zarchiwizowana migawka bije zrzut ekranu w pliku Word na głowę.

Badaj konkurencję

Strony z cenami to prawdziwa kopalnia. Prześledź dwa lata migawek konkurenta, a zobaczysz, jak testuje podwyżkę, wycofuje się i ją cofa. Premiery funkcji, zwroty w pozycjonowaniu, wycofane produkty, wszystko ze znacznikiem czasu, wszystko za darmo.

Częste błędy przy pokazywaniu historii strony do celów badawczych

• Sprawdzanie tylko strony głównej. Głębokie podstrony, /cennik, /o-nas, stare adresy blogów, mają własną historię i często lepszy zasięg niż strona główna.
• Traktowanie zielonego kółka przekierowania jako treści. Nie ma za nim żadnej strony, tylko wskaźnik. Przejdź do docelowego adresu URL i przeanalizuj tę archiwizację.
• Zakładanie, że archiwizacja 200 zawiera obrazy i CSS. Zasoby są indeksowane osobno i często ich brakuje. Migawka renderująca się bez stylów zwykle nadal zawiera pełny tekst w HTML.
• Odczytywanie "nie ma w archiwum" jako "nigdy nie istniało". Blokady robots.txt, tagi noindex i strony mocno oparte na JavaScript ukrywały witryny przed robotami. Brak dowodu nie jest dowodem braku.
• Ufaniem dacie archiwizacji jako dacie publikacji. Zapisuje ona, kiedy robot odwiedził stronę, co może opóźniać faktyczną publikację o miesiące.
• Zapominaniu o czterech wariantach adresu URL. http, https, www i domena bez www prowadzą osobne osie czasu. Sprawdź wszystkie, zanim ogłosisz lukę.

Zmiana migawki z powrotem w działającą stronę

Przeglądanie jest darmowe. Wyjście z plikami to już praca. Obrazy żyją pod innymi znacznikami czasu niż ich strony, arkusze stylów znikają, a każdy link w surowym pobraniu prowadzi z powrotem do web.archive.org. Oczyszczenie tego ręcznie dla strony liczącej 400 podstron to tydzień udręki, którego nikomu nie życzę.

Właśnie to zadanie automatyzuje nasze narzędzie. Wklej adres URL, a darmowa wycena pokaże dokładną liczbę zarchiwizowanych plików, łączny rozmiar i ustaloną cenę, zanim cokolwiek zapłacisz. Płacisz za każdy przywrócony plik, pierwszy jest darmowy, z jednorazowymi doładowaniami salda i bez subskrypcji. Opcje przywracania obejmują zakresy dat, usuwanie skryptów analitycznych, reklam i iframe'ów, minifikację JS i CSS, względne linki wewnętrzne oraz konwersję do HTTPS. Gotowe strony wdraża się jednym kliknięciem przez SSH/SFTP, FTP/FTPS lub S3, a do edycji po zakończeniu dołączany jest darmowy CMS do pojedynczych plików. Jeśli przywracanie lub wdrożenie się nie powiedzie, zwrot środków na saldo następuje automatycznie, bez zgłoszeń do supportu.

Tutorial przeprowadza przez pełne przywracanie od początku do końca. Najpierw uruchom darmową wycenę: nic nie kosztuje i powie Ci, czy znalezione migawki w ogóle warto przywracać.