Arquivo Wayback: Como Salvar Seu Site Antes Que Ele Desapareça

O chamado geralmente é assim: o host desligou o servidor, a agência que construiu o site fechou há dois anos, e o único backup é um ZIP em um laptop que ninguém encontra. Já ouvi alguma versão dessa história mais vezes do que posso contar. Quase todos esses sites poderiam ter sido salvos por hábitos que não custam nada e levam uma hora por mês.

A abordagem de arquivamento no Wayback é simples: trate o Wayback Machine como uma segunda linha de defesa que você alimenta ativamente, mantenha seus próprios backups reais como a primeira e saiba exatamente como você restauraria se ambos algum dia importassem. Aqui está a rotina, na ordem que eu a configuraria.

O que o Arquivo do Wayback Salva, e o que Nunca Salvará

O rastreador salva o que um navegador pode buscar sem fazer login: páginas HTML, imagens, folhas de estilo, scripts, PDFs e outros arquivos públicos. Para um site institucional ou blog típico, isso é quase tudo que importa.

A lista do que ele nunca salvará é mais longa do que as pessoas esperam.

• Qualquer coisa atrás de um login: áreas de clientes, painéis de administração, fóruns exclusivos para membros.
• Bancos de dados e a lógica que se comunica com eles. O arquivo armazena a página renderizada, não as linhas que a produziram.
• Manipuladores de formulários, carrinhos e fluxos de checkout. Você pode obter o HTML do formulário; nunca recuperará as submissões.
• Conteúdo que só aparece depois que o JavaScript executa, quando o rastreador capturou a estrutura sem executá-lo.
• Páginas que você bloqueia. Uma instrução disallow no robots.txt diz aos rastreadores para ficarem de fora, todos os rastreadores, incluindo o arquivador.
• Mídia em streaming e downloads muito grandes, parcialmente ou nada, dependendo de como são incorporados.

Nada disso torna o arquivo inútil. Significa que você arquiva de olhos abertos: a face pública do seu site é recuperável, enquanto a maquinaria por trás dele continua sendo seu próprio problema de backup.

Save Page Now: Arquivamento Sob Demanda

Você não precisa esperar pelo rastreador. A ferramenta Save Page Now do Internet Archive, em web.archive.org/save, captura qualquer URL pública sob solicitação, gratuitamente. Cole uma URL, aguarde alguns segundos e a captura vai para o arquivo público com um novo timestamp.

Uma conta gratuita libera as partes que valem a pena: salvar uma página mais suas páginas vinculadas em um nível de profundidade, capturar capturas de tela e manter uma lista pessoal de seus salvamentos. Há uma extensão de navegador para salvamentos com um clique, e a API SPN2 para trabalho em lote, com uma chave de API, você pode enfileirar centenas de URLs a partir de um script ou até de uma planilha.

1. Salve após cada mudança significativa: nova landing page, novos preços, novos termos, um post importante no blog.
2. Salve antes de toda operação arriscada: redesigns, migrações, upgrades de CMS, mudanças de domínio.
3. Sempre verifique. Abra a captura recente e confira se imagens e estilo realmente foram capturados. Um salvamento que pegou uma página quebrada preserva a página quebrada.
4. Salve também as URLs menos glamourosas: /about, /contact, /terms, páginas de categorias importantes. As homepages são rastreadas de qualquer forma; as páginas profundas são as que desaparecem.

Amigável para Arquivamento no Wayback: Torne Seu Site Fácil de Capturar

A maioria dos sites é acidentalmente hostil ao arquivamento. Alguns ajustes baratos mudam isso.

• Não bloqueie rastreadores de arquivamento no robots.txt e não coloque disallow para suas pastas de assets (/wp-content/uploads, /static, /assets). Imagens e CSS bloqueados são o motivo pelo qual capturas antigas parecem nuas.
• Renderize no servidor seu conteúdo importante. Se seu texto só existe depois que o JavaScript executa, muitos rastreadores salvarão uma casca vazia.
• Mantenha um sitemap.xml limpo. Rastreadores o usam para encontrar páginas profundas que nunca alcançariam apenas seguindo links.
• Mantenha as URLs estáveis. Cada alteração desnecessária de URL deixa órfão o histórico de arquivamento vinculado ao endereço antigo.
• Evite armadilhas de rastreamento: calendários infinitos, busca facetada gerando milhões de URLs. Rastreadores gastam seu orçamento em lixo e perdem suas páginas reais.

Se você usa Cloudflare ou outro filtro de bots, verifique se os rastreadores de arquivamento não estão sendo desafiados. Uma regra que bloqueia todos os bots também bloqueia a preservação da sua própria história.

Uma Rotina Proativa de Arquivamento para o Seu Próprio Site

Uma vez por mês, quinze minutos:

1. Copie suas 20 a 30 principais URLs, do seu sitemap ou analytics, e execute-as no Save Page Now. Com a API, isso é um trabalho de um comando.
2. Salve qualquer página que mudou desde o mês passado.
3. Faça verificações pontuais dos salvamentos do mês passado: abra duas ou três capturas e confirme se elas realmente renderizam.

Trimestralmente, adicione duas etapas: verifique se seu robots.txt ainda permite arquivamento e confirme se seus backups reais realmente restauram, um backup que você nunca testou é um rumor. Antes de qualquer redesign ou migração de plataforma, execute o salvamento completo em todo o seu sitemap, não apenas nas principais páginas. Migrações são onde o histórico do site vai para morrer.

Mais um hábito barato: mantenha um mapa de URLs em texto simples do seu site em algum lugar fora do servidor, o próprio sitemap funciona. Se você algum dia precisar de uma restauração em massa, essa lista é ouro, porque as ferramentas de restauração podem trabalhar diretamente a partir dela.

Por que o Arquivo Não É um Backup

Diga claramente: o Wayback Machine é um museu, não um cofre de segurança. Você não pode apertar um botão e recuperar seu site dele. Você pode navegar por suas páginas uma de cada vez, mas não há exportação do seu site inteiro, nenhuma garantia de que cada página ou imagem foi capturada e nenhuma promessa de nível de serviço. Os proprietários também podem solicitar remoções.

Portanto, mantenha backups reais: snapshots de hospedagem, um repositório git para o código, dumps periódicos do banco de dados e cópias armazenadas fora do servidor, a velha regra é que seu backup não existe até que viva em dois lugares, um deles fora do site. O papel do arquivo é diferente: é o registro público independente, com timestamp, do que seu site disse e mostrou. Isso tem valor real, para disputas, para responsabilidade, para provar que uma página existiu, mas complementa backups. Nunca os substitui.

Checklist de Arquivamento no Wayback Antes de um Redesign ou Migração

1. Execute o Save Page Now em todo o seu sitemap, incluindo outlinks para páginas-chave.
2. Faça um backup completo novo, arquivos mais banco de dados, e armazene-o fora do servidor.
3. Exporte uma lista de URLs do site atual para construir seu mapa de redirecionamentos.
4. Planeje redirecionamentos 301 de cada URL antiga para sua equivalente nova antes de você virar a chave.
5. Após o lançamento, salve as novas páginas-chave para que a linha do tempo do arquivo continue sem um buraco.

Se você estiver mudando de domínio, mantenha o antigo vivo, mesmo um ano de redirecionamentos preserva tanto a equidade de busca quanto a continuidade do arquivo. Deixá-lo expirar entrega seu histórico a um estacionador de domínios, e domínios estacionados são para onde boas URLs vão para serem esquecidas.

Se a Prevenção Falhar: Restaurando a partir do Arquivo

Às vezes você herda a bagunça: um site morto, sem backups e o arquivo como a única fonte restante. É recuperável mais frequentemente do que as pessoas pensam. esta ferramenta baixa todos os arquivos arquivados de um site, páginas, imagens, estilos, documentos, e o reconstrói como um site funcional, com uma opção de intervalo de datas para que você possa segmentar a era antes das coisas darem errado.

A economia é amigável para os desesperados: o orçamento é gratuito e mostra a contagem exata de arquivos, o tamanho total e um preço bloqueado antes de você pagar; você paga por arquivo restaurado com o primeiro arquivo gratuito; e se uma restauração ou implantação falhar, o reembolso para o seu saldo é automático, sem ticket de suporte. A implantação é com um clique para SSH/SFTP, FTP ou S3, e cada implantação inclui um pequeno CMS de arquivo único, para que o site resgatado seja editável em vez de uma estátua congelada.

Execute-o uma vez em um site pequeno, o tutorial leva talvez dez minutos, e você saberá exatamente o que fazer no dia em que alguém fizer aquele telefonema.