Histórico de sites: snapshots, WHOIS, DNS e as ferramentas para cada caso

Pergunte a três pessoas o que 'histórico de site' significa e você vai obter três respostas diferentes. Uma pensa em capturas antigas no Wayback Machine. Outra se refere ao registro de quem foi dono do domínio. Uma terceira quer saber pelo que o site ranqueava em 2015. Todas estão certas, e cada resposta mora em uma ferramenta diferente.

Este guia separa os quatro tipos de histórico de site, mostra qual ferramenta responde qual pergunta e aponta os limites de cada uma. Já usei todas elas em trabalhos reais, desde reconstruir a loja WooCommerce de um cliente até avaliar um domínio horas antes de um leilão. A maioria das ferramentas é gratuita. A verdadeira habilidade é saber qual abrir primeiro.

O que 'histórico de site' realmente significa

A expressão abrange quatro registros separados, mantidos por organizações diferentes sob regras diferentes. Nenhum deles conversa com os outros, e é por isso que as pessoas se frustram: fazem a uma ferramenta uma pergunta que só outra ferramenta consegue responder.

• Histórico de snapshots, como o site era e o que dizia em uma determinada data. Mantido por arquivos da web.
• Histórico de propriedade, quem registrou o domínio, quando e por meio de qual registradora. Mantido nos registros WHOIS.
• Histórico de infraestrutura, para quais servidores e nameservers o domínio apontava. Mantido por coletores de DNS passivo.
• Histórico de desempenho, pelo que o site ranqueava e quais páginas conquistaram links. Mantido pelos índices de SEO.

Misturar tudo isso consome horas. Não dá para comprovar propriedade com um screenshot, nem para ver uma homepage antiga dentro de um registro WHOIS. Escolha a pergunta primeiro, depois a ferramenta.

Histórico de snapshots: como o site era e o que dizia

A Wayback Machine em web.archive.org é a gigante aqui: mais de 900 bilhões de páginas capturadas desde 1996. Cole uma URL e você recebe um calendário. Círculos marcam capturas; clique em um e você estará vendo a página como ela aparecia naquele dia, imagens e folhas de estilo incluídas sempre que o crawler conseguiu alcançá-las. Para qualquer coisa anterior a mais ou menos 2001, espere uma cobertura esparsa, a web primitiva foi arquivada de forma irregular.

Três hábitos tornam tudo muito mais útil. Pesquise a URL exata, não apenas o domínio, o arquivo indexa por página, e uma página interna frequentemente tem datas de captura diferentes da homepage. Use os links mais antigo e mais recente da timeline para delimitar um evento, em vez de rolar o calendário. E quando uma página está ausente, experimente o archive.today, um arquivo independente que frequentemente guarda páginas que a Wayback Machine nunca tocou.

Dois truques de URL que valem a pena memorizar. Acrescentar um asterisco a uma URL, web.archive.org/web/*/example.com/pricing, lista todas as capturas de cada página correspondente, e é assim que você encontra URLs internas que nem sabia que existiam. E o timestamp dentro de qualquer URL de captura é editável: troque web/20140615082211 por web/2014 e o arquivo redireciona para a captura mais próxima daquele ano. Pesquisadores saltam entre décadas assim, em vez de clicar em um círculo do calendário de cada vez.

Os limites importam tanto quanto os recursos. Os crawlers não fazem login, então qualquer coisa atrás de uma conta ou paywall está ausente. Sites com muito JavaScript às vezes eram salvos como cascas vazias. Exclusões do robots.txt, respeitadas durante grande parte da vida do arquivo, deixam lacunas permanentes. Uma captura ausente significa 'sem captura'. Nunca significa 'site inexistente'.

Histórico de propriedade: registros WHOIS ao longo do tempo

Todo registro de domínio cria um registro WHOIS: nome ou organização do registrant, e-mail de contato, registradora, datas de criação e expiração. Desde que a aplicação do GDPR ficou mais rígida em 2018, a maioria dos registros passou a omitir dados pessoais por padrão, então uma consulta atual frequentemente mostra uma parede de 'REDACTED FOR PRIVACY'. É no WHOIS histórico que a coisa fica interessante, serviços como DomainTools, WhoisRequest e SecurityTrails guardaram snapshots desses registros por anos, omissões e tudo.

O que você deve procurar:

• Data de criação versus idade declarada. Um site que diz 'fundado em 2005' em um domínio criado em 2019 tem muita coisa a explicar.
• Trocas de propriedade. Mudanças de registrant geralmente marcam uma venda, útil para datar quando um projeto mudou de mãos.
• Quedas. Quando um domínio expira e alguém o registra de novo, algumas ferramentas tratam o novo registro como um recomeço. O arquivo não.
• Mudanças de serviço de privacidade. Um salto para trás de um escudo de privacidade logo antes de um período polêmico é uma pista clássica.

Histórico de infraestrutura: DNS e hospedagem

Coletores de DNS passivo registram o que os registros DNS de um domínio diziam ao longo do tempo: registros A apontando para IPs de servidores, registros NS nomeando o host DNS, registros MX nomeando o provedor de e-mail. SecurityTrails, DNSlytics e ViewDNS.info expõem fatias gratuitas disso. Os registros NS são o cavalo de batalha. Uma troca de um par de um host pequeno para um par da Cloudflare indica aproximadamente quando o site migrou para a Cloudflare, geralmente na mesma semana em que o próprio site mudou.

Um exemplo real, com detalhes borrados: um cliente jurava que a loja dele 'nunca saiu da nossa hospedagem'. O histórico de NS mostrou um desvio de seis meses por um par de uma plataforma hospedada em 2021, que bateu exatamente com um buraco nas análises e explicou por que o export de pedidos recuperado tinha uma lacuna. O DNS não mente. A memória mente.

O histórico de MX responde a outra pergunta, quem cuidava do e-mail. É útil para datar uma migração ou para descobrir qual provedor ainda pode estar guardando caixas postais antigas.

Histórico de desempenho: rankings, links e tráfego

O quarto registro é o que o site conquistou. Ahrefs e Semrush mantêm anos de dados de backlinks e palavras-chave: quais páginas conquistaram links, quais consultas ranqueavam, aproximadamente quanto tráfego orgânico circulou. Os exploradores de site deles funcionam até em domínios mortos, porque os índices sobrevivem aos sites.

Este é o registro a ser consultado antes de reconstruir qualquer coisa. Ordene o domínio antigo pelas páginas com mais links e você terá uma lista de prioridade de recuperação, as URLs que ainda carregam autoridade e merecem voltar a existir, reconstruídas próximas do conteúdo que conquistou esses links. Combine com o registro de snapshots e dá para reconstruir o sitemap de um site que desapareceu há anos. Existe um método completo para isso no nosso guia sobre encontrar cada página de um site antigo.

Qual ferramenta responde qual pergunta sobre histórico de site

Repare no padrão. Cinco dessas ferramentas mostram o passado através de uma janela. Só a última entrega algo que você pode colocar no ar.

Transformando o histórico do site em um site funcional de novo

Arquivos são somente leitura. A Wayback Machine vai mostrar sua homepage de 2013 com todo prazer e gentilmente se recusar a devolver os arquivos. Essa lacuna é o que o serviço de restauração de sites preenche: ele reconstrói sites a partir de capturas arquivadas em arquivos reais, prontos para deploy. Cole o domínio e o orçamento gratuito informa a quantidade exata de arquivos arquivados, o tamanho total e um preço fixo antes de você pagar qualquer coisa. A cobrança é por arquivo restaurado, o primeiro é gratuito, mais uma taxa fixa pequena por restauração, financiada por recargas de saldo únicas. Sem assinatura, nada recorrente.

O controle é a parte útil: escolha um intervalo de datas, remova os scripts antigos de analytics e anúncios, converta tudo para HTTPS, reescreva os links internos como relativos, mantenha os antigos 301s e então faça o deploy em um clique para uma VPS via SSH, hospedagem compartilhada via FTP ou um bucket S3. O Restorix CMS vem junto de graça nos deploys, um CMS em um único arquivo PHP com uma senha de administração gerada por site, para que o site restaurado continue editável em vez de congelado. Se uma restauração ou deploy falhar, o reembolso volta automaticamente para o seu saldo. O tutorial mostra todo o fluxo.