Machine Way Back: выбор правильной даты снимка для восстановления

Введите «machine way back» в поисковике, и вы попадёте на тот же инструмент, что и все остальные: Wayback Machine на web.archive.org. Но вот о чём никто не предупреждает заранее. Найти архив, простая часть. Восстановление живёт или умирает по одному решению, какую дату снимка вы выберете.

Я видел, как восстановления проваливались, потому что кто-то брал самый свежий снимок, оказывавшийся страницей припаркованного домена. И видел, как магазин 2014 года восставал из мёртвых, потому что мы потратили двадцать минут и выбрали 2018 вместо 2019. Даты важнее инструментов.

Проблема Machine Way Back: какому снимку доверять?

У популярного домена могут быть десятки тысяч снимков за два десятилетия. Только у главной страницы их может быть пятьсот. Каждый снимок фиксирует один момент: ту тему, те цены, тот пост в блоге, тот взлом. Выберете не тот момент, и восстановите не тот сайт. Безупречно.

Машина не знает, какая версия была хорошей. Она просто записывает то, что видела, когда видела. Оценка, ваша работа, или работа того, кому вы платите за восстановление.

Вот цифра, которая заставляет задуматься. Сайт среднего бизнеса, просуществовавший десять лет, может легко насчитывать от 3 000 до 8 000 архивных файлов по всем снимкам. Где-то в этой куче, версия, за которую стоит платить. Остальные версии, взломанный месяц, недоделанный редизайн, парковочная страница, стоят ровно столько же на восстановление и не стоят ничего.

Как на самом деле работают снимки Wayback Machine

Снимок, это не резервная копия сайта. Это один визит краулера на один URL в одну временную метку. Краулер забрал HTML, прихватил те ассеты, которые счёл нужным, и пошёл дальше. Главная страница известного сайта может сохраняться еженедельно. Страница на три уровня вглубь может быть сохранена дважды за всю свою жизнь.

Ещё один нюанс: когда вы просматриваете снимок, архив собирает страницу из ближайших имеющихся сохранений. HTML может быть от июня 2016 года, логотип, от апреля, а таблица стилей, от августа. Обычно это незаметно. Иногда получается франкенштейн-страница, которая выглядит сломанной, хотя каждая отдельная часть настоящая.

Именно поэтому временная метка на панели, лишь половина истории. Она показывает, когда был сохранён HTML, а не когда изображения. Держите это в голове каждый раз, когда оцениваете дату.

Как читать календарь Wayback Machine как профессионал

Календарь, ваша карта. Каждый год показывает спарклайн-полосу: чем выше, тем больше снимков в этом году. Каждый сохранённый день получает кружок: синий для чистого ответа 2xx, зелёный для редиректа, оранжевый или красный для ошибки. Толстый кружок означает несколько снимков в этот день, это важно для часто менявшихся сайтов.

• Зелёные кружки заслуживают подозрений. Снимок-редирект может указывать на новый домен, парковочную страницу или киберсквоттера.
• Редкие годы означают, что краулер редко заходил. Берите любую доступную дату и проверяйте особенно тщательно.
• Плотные недели вокруг редизайна означают интенсивное сканирование, выбор большой, так что будьте придирчивы.

Если две даты выглядят одинаково, откройте обе во вкладках и кликните по одним и тем же трём страницам в каждой. Различия прячутся в глубине: пункт меню, отдающий 404 в одном снимке, отсутствующая таблица стилей в другом. Десять минут параллельного сравнения, самая дешёвая страховка во всём процессе.

Как далеко назад должно идти восстановление из Wayback Machine?

Правильная дата почти никогда не самая свежая. Это последняя дата, когда сайт был здоров: до взлома, до того как редизайн застыл на полпути, до того как домен истёк и въехала парковочная страница.

1. Найдите последний период, когда сайт был исправен. Спросите, когда сайт последний раз приносил деньги, позиции или трафик.
2. Отберите три-пять кандидатских дат вокруг этого периода.
3. Откройте главную страницу на каждой кандидатской дате и убедитесь, что она рендерится полностью, включая изображения.
4. Проверьте две-три глубокие страницы, товар, пост, категорию, на ту же дату.
5. Предпочтите дату после того, как дизайн устоялся, а не в середине миграции. Шесть недель смешанных шаблонов, плохой район.

В Restorix вы задаёте это как диапазон дат при восстановлении, так что весь сайт берётся из одного окна, а не из десятилетнего размазывания. Если первое окно выглядит скудным, бесплатная оценка покажет точное количество архивных файлов до оплаты, скорректируйте диапазон и запустите заново.

Одну проверку люди пропускают: ассеты рядом с выбранной датой. Страница, сохранённая 14-го, может зависеть от изображений, сохранённых 3-го. Расширение диапазона на несколько недель позволяет восстановлению подтянуть этих соседей. Вы получаете целостный сайт без проблемы франкенштейн-страницы.

Ошибки в выборе даты снимка, которые губят восстановление

• По умолчанию брать последний снимок. Самый свежий часто означает припаркованный домен, предупреждение об истёкшем сертификате или спам-страницу, оставленную хакером.
• Доверять одной странице. Главная может выглядеть идеально, а каждая страница товара с этой даты, сломанной.
• Смешивать эпохи. Главная из 2019, посты из 2014, таблица стилей из 2011, сайт, который противоречит сам себе при каждом клике.
• Игнорировать снимки-редиректы. Цепочка 301 может вести на новый адрес сайта, что меняет то, что нужно восстанавливать.
• Выбирать ностальгию вместо качества. Версия 2009 года очаровательна. Версия 2016, та, где есть весь контент.

Каждая из этих проблем, двадцатиминутная до восстановления и двухдневная после.

Магазин 2014 года, три кандидатских даты

Магазин клиента на WooCommerce, запущенный в 2014 году, успешно работал до фармаспам-взлома в начале 2019 года. Домен истёк в 2020, хостинг умер в 2021. Кандидатские даты: середина 2018 (здоровый, актуальный дизайн), начало 2019 (после взлома, снимок буквально показывает инъекции рекламы обуви над сгибом страницы) и конец 2020 (парковочная страница). Выбор несложный, но только если вы действительно смотрите на все три.

Мы задали диапазон с октября по декабрь 2018. Оценка показала количество архивных файлов и зафиксированную цену. Восстановление прошло с сохранением редиректов и удалением старой аналитики. Магазин снова работает на оригинальном домене и снова зарабатывает, всё решение заняло меньше времени, чем выписать счёт.

Обратите внимание, чего мы не делали: не восстанавливали 2019, потому что он «ближе к сейчас», и не восстанавливали 2014 из сентимента. Побеждает дата, на которую сайт был целостным. Всё остальное, археология.

От даты снимка до живого сайта

Когда дата выбрана, механическая часть быстрая. Вставьте домен в инструмент Restorix, подтвердите бесплатную оценку, задайте диапазон дат и выберите опции очистки, относительные внутренние ссылки, перевод на HTTPS, минификация ассетов, удаление iframe и внешних ссылок. Затем скачайте сайт или разверните его в один клик на SSH/SFTP, FTP/FTPS или S3.

Машина времени сделала своё, сохранив страницу. Ваша часть, выбрать день, к которому стоит вернуться.

После развёртывания встроенный Restorix CMS находится по адресу /webarchive-cms.php с паролем для каждого сайта в дашборде, безопасный режим включён по умолчанию. Он обрабатывает правки контента и поиск-с-заменой, именно то, что нужно, когда восстановленная страница показывает телефонный номер прошлого десятилетия. Туториал описывает весь процесс от оценки до редактирования.