Wayback Machine i historyczne strony WWW: gdzie żyje stary internet

W październiku 2009 roku Yahoo zamknął GeoCities. Miliony ręcznie budowanych stron domowych, pliki MIDI, GIF-y „w budowie”, świątynie po zapomnianych serialach, zostały skazane na usunięcie z kilkumiesięcznym wyprzedzeniem. Wolontariusze z grupy Archive Team spędzili te miesiące na scrapowaniu tak szybko, jak pozwalały serwery Yahoo, a następnie udostępnili zdobycz jako torrent. Dzięki tej akcji ratunkowej historyczne strony WWW to coś, co nadal można odwiedzić, a nie tylko wspominać.

Fraza wyszukiwania jest nieporadna, wayback machine, historyczne strony WWW, w jakiejkolwiek kolejności słowa się ułożą, ale pytanie, które za nią stoi, jest proste: gdzie żyje stary internet i czy można go jeszcze zobaczyć? Można. Oto przewodnik po miejscach, które go przechowują, od setek miliardów zrzutów Wayback Machine po stronę, która pozwala przeglądać rok 1997 w emulowanym Netscape Navigator. A na koniec część praktyczna: jak zdjąć fragment tej historii z muzealnej półki i przywrócić go do sieci pod własną domeną.

Co zalicza się do historycznych stron WWW?

Trzy różne rzeczy są tu łączone w jedną. Po pierwsze, duże archiwa crawlerów, Wayback Machine i jego kuzyni z bibliotek narodowych, które robią zrzuty stron według harmonogramu. Po drugie, kolekcje ratunkowe: martwe platformy jak GeoCities, Tripod czy AOL Hometown, zapisane zbiorczo przed zamknięciem i udostępnione ponownie przez wolontariuszy. Po trzecie, żywe muzea: projekty jak oldweb.today, które nie tylko przechowują strony, ale odtwarzają doświadczenie ich przeglądania, łącznie z interfejsem ówczesnej przeglądarki.

Potrzeba ta nie jest sentymentalna. Badanie Pew Research z 2024 roku wykazało, że 38% stron internetowych z 2013 roku nie było już dostępnych dekadę później. Strony nie znikają, bo ktoś uznaje, że historia się skończyła. Znikają, bo wygasa karta kredytowa, firma zostaje przejęta, aktualizacja CMS-u idzie źle. Historyczne strony WWW to siatka bezpieczeństwa dla medium, które nie ma wydania drukowanego.

Materiał wart zachowania zwykle mieści się w kilku kategoriach:

• Ręcznie kodowany HTML sprzed 2010 roku, układy z tabel, spacer GIF-y, księgi gości
• Martwe platformy: GeoCities, Tripod, Angelfire, blogi MySpace, Google+
• Społeczności forów na phpBB i vBulletin, często jedyny zapis niszowego hobby
• Wczesne blogi i fotoblogi starsze niż media społecznościowe
• Nieistniejące strony małych firm i klubów, lokalna historia, której nikt inny nie zarchiwizował

Jak Wayback Machine stał się największą kolekcją historycznych stron WWW

Internet Archive, założone przez Brewstera Kahle'a w 1996 roku, udostępniło Wayback Machine publiczności w 2001 roku. Obecnie przechowuje setki miliardów zrzutów stron i wciąż jest domyślną odpowiedzią na pytanie „jak wyglądała ta strona pięć lat temu”. Widok kalendarza pokazuje zagęszczenie zrzutów w jednym rzucie oka; timemap listuje każdy zrzut danego URL-a; Save Page Now pozwala każdemu zarchiwizować stronę, na którą właśnie patrzy, dlatego większość współczesnego internetu zostaje pokryta w ciągu minut od pojawienia się wiadomości.

Dwie sztuczki, które warto znać. Dodaj id_ do znacznika czasowego w adresie, web.archive.org/web/20090601id_/http://example.com, a otrzymasz oryginalny plik dokładnie tak, jak został zescrapowany, bez wstrzykiwanego przez archiwum bannera i przepisanych linków. A API CDX wypisze każdy zrzut pasujący do wzorca URL, co jest sposobem, w jaki profesjonaliści inwentaryzują całą martwą stronę, zanim ją dotkną.

Luki też mają znaczenie. Wayback Machine historycznie honorował robots.txt, więc niektóre stare strony mają szczątkowe pokrycie. Strony bogate w JavaScript często zapisują tylko szkielet, ale nie treść. Obrazy i pliki hostowane na innych domenach umykają. Gdy zrzut wygląda na zepsuty, pierwszym krokiem jest sprawdzenie zrzutów kilka miesięcy wcześniej lub później, jakość pokrycia mocno się różni między datami.

GeoCities i projekty ratunkowe, które nie pozwoliły mu umrzeć

GeoCities było trzecią najczęściej odwiedzaną stroną w internecie, gdy Yahoo kupiło je w 1999 roku. Dziesięć lat później Yahoo je zamknął, a awaryjny scrape Archive Team stał się jednym z największych aktów cyfrowej preserwacji wykonanych przez wolontariuszy. Dane żyją dalej w miejscach takich jak oocities.org i geocities.ws, które ponownie hostują uratowane strony, oraz GifCities, wyszukiwarce Internet Archive dla animowanych GIF-ów wydobytych z kolekcji. Deleted City Richarda Vijgena renderuje archiwum jako mapę z możliwością przybliżania, łącznie z dzielnicami, a Cameron's World przerabia je na hołd w formie kolażu.

Dwa projekty poboczne zasługują na szczególne wspomnienie. One Terabyte of Kilobyte Age, blog badawczy Oli Lialiny i Dragana Espenschieda, od lat publikuje zrzuty ekranu i eseje z kolekcji, to najbliższa rzecz, jaką stary internet ma programu kuratorskiego. A Neocities, założone w 2013 roku, to żywy następca: nie archiwum, ale darmowy hosting, gdzie ludzie znów budują ręcznie kodowane strony domowe, z estetyką GeoCities włącznie.

Lekcja z GeoCities jest nieprzyjemna: nic hostowane przez kogoś innego nie jest trwałe, niezależnie od wielkości firmy. Yahoo był gigantem internetu. Platforma przeżyła swój przypadek biznesowy o dokładnie tyle, ile wynosił okres wypowiedzenia.

oldweb.today: przeglądanie starych stron w przeglądarkach z odpowiedniej epoki

Strona z 1997 roku była napisana dla Netscape Navigator 4 lub Internet Explorer 5. Otwarta we współczesnej przeglądarce ramki się zapadają, aplety umierają, fonty się podmieniają, a tag blink siedzi i nie miga, współczesne silniki odmawiają. oldweb.today, stworzony przez Ilyę Krejmera z Webrecorder, rozwiązuje to, uruchamiając emulowane vintage'owe przeglądarki wewnątrz Twojej przeglądarki i podając im zrzuty z Internet Archive oraz kilku narodowych archiwów internetu. Wybierasz Mosaic, Netscape lub wczesny IE, wpisujesz URL i rok, a otrzymujesz stronę dokładnie tak, jak się ją wtedy czuło.

Brzmi jak nowinka, dopóki nie użyjesz tego do badań. Układy ze spacer GIF mają sens tylko przy ówczesnych rozmiarach ekranu. Menu DHTML napisane dla IE4 nie robią nic we współczesnym silniku. Jeśli badasz, cytujesz lub odbudowujesz stare strony, renderowanie ich w przeglądarce, do której zostały zaprojektowane, to różnica między patrzeniem na okaz a patrzeniem na zdjęcie okazu. ArchiveWeb.page tego samego zespołu działa w drugą stronę: nagrywa Twoje aktualne przeglądanie do standardowych plików WACZ, więc strony, na których Ci dziś zależy, stają się czyjąś dobrze zachowaną historią później.

Poza Wayback Machine: więcej historycznych stron WWW, które warto znać

Wayback Machine jest największy, nie jedyny. Poważne badania, i poważne przywracanie, weryfikują kilka archiwów, bo każdy crawler widział inny wycinek internetu.

Biblioteki narodowe zasługują tu na szacunek. Prawo depozytu prawnego oznacza, że British Library, Bibliothèque nationale de France i inne systematycznie crawluje domeny swoich krajów, często przechwytując strony regionalne i rządowe, które Internet Archive widział rzadko lub wcale.

Przywracanie historycznych stron WWW z Wayback Machine

Zwiedzanie muzeum to jedno. Czasem fragment historii jest na tyle ważny, by przywrócić go do stanu używalności: strona Twojego klubu z 2003 roku, dokumentacja nieistniejącego projektu open-source, strona domowa zmarłego krewnego. Klientka przyszła do mnie w zeszłym roku z dokładnie takim przypadkiem, fotoblog prowadzony przez jej zmarłego ojca, offline od 2014 roku. Rodzina chciała go z powrotem na oryginalnej domenie z okazji rocznicy.

1. Znajdź najlepszy zrzut. Użyj widoku kalendarza i sprawdź kilka dat; najnowszy zrzut nie zawsze jest najbardziej kompletny. Obrazy psują się różnie między zrzutami.
2. Zdobądź rzeczywistą inwentaryzację przed decyzją. Darmowa wycena usługi przywracania stron odczytuje archiwum dla Twojej domeny i zwraca dokładną liczbę zarchiwizowanych plików, całkowity rozmiar i zablokowaną cenę, zanim cokolwiek zapłacisz.
3. Wybierz opcje przywracania. Wybór zakresu dat utrzymuje Cię w najlepszym okresie strony; usunięcie starych analityk, reklam i iframe'ów eliminuje śmieci firm trzecich z 2008 roku; względne linki wewnętrzne i konwersja HTTPS sprawiają, że wynik można wdrożyć wszędzie.
4. Przywróć. Płacisz za plik z niewielką opłatą stałą, pierwszy plik jest darmowy, a nie ma subskrypcji, tylko jednorazowe doładowania salda.
5. Wdróż i utrzymuj. Wdrożenie jednym kliknięciem przesyła przywróconą stronę na Twój VPS, hosting współdzielony lub S3, a dołączony jedno-plikowy CMS pozwala rodzinie, lub sekretarzowi klubu, poprawić literówkę bez nauki Gita.

W przypadku tego fotobloga wycena znalazła 1.140 plików i 210 MB, przywracanie trwało nieco ponad godzinę, a strona stoi teraz na tanim hostingu statycznym, który kosztuje rocznie mniej niż jeden bukiet kwiatów. Nieudane przywracania są automatycznie zwracane na saldo, więc profil ryzyka jest mniej więcej tak ekscytujący jak czytanie paragonu. Pełny proces wayback restore jest udokumentowany, jeśli chcesz najpierw poznać szczegóły.

Link do muzeum czy posiadanie eksponatu

Linkowanie do zrzutu Wayback jest w porządku dla cytowania lub jednorazowego odniesienia. Przywracanie wygrywa, gdy treść ma trwałą wartość: ruch z wyszukiwarek, który powinien trafiać na Twoją domenę, uptime, który kontrolujesz, i niezależność od polityki jakiegokolwiek pojedynczego archiwum, archiwa usuwają treść na żądanie, a Wayback Machine nie jest wyjątkiem. Moja zasada: linkuj do przypisów, przywracaj wszystko, czego byłbyś smutny stracić dwa razy.

Link do archiwum to obietnica, którą ktoś inny dotrzymuje. Przywrócenie to kopia w Twoich własnych rękach.