Восстановление сайта из Wayback Machine: полное руководство

Это подробное руководство: поиск нужного снимка Wayback Machine, расчёт стоимости восстановления, выбор параметров и получение живого сайта, который можно редактировать через CMS. Я буду использовать реалистичный сценарий, сайт стоматологической клиники 2014 года, 62 страницы, мёртвый с момента прекращения оплаты хостинга в 2021 году, потому что каждый шаг связан с решением, которое обычные туториалы пропускают. В итоге вы будете точно знать, куда нажимать, что проверять и что игнорировать. Те же шаги работают и для портфолио на 5 страниц, и для форума на 50 000 страниц.

Восстановление сайта из Wayback Machine: что нужно заранее

• Старый домен или точный URL, вариант с www и без www имеет значение
• Примерное представление о том, когда сайт в последний раз выглядел корректно
• Хостинг-аккаунт, VPS или S3-бакет для приёма файлов
• Десять минут на проверку снимков, прежде чем тратить деньги

Вам не нужны старые учётные данные хостинга, старая база данных или оригинальный разработчик. Всё берётся из публичного архива. Если разработчик клиники исчез вместе с резервными копиями, а обычно так и бывает, это никак не влияет на процесс.

Шаг 1: Найдите нужный снимок

Зайдите на web.archive.org, вставьте URL и откройте календарь. Для сайта клиники самый свежий снимок 2021 года оказался уведомлением о приостановке хостинга, бесполезно. Просмотр 2020 года показал то же самое. Декабрь 2019 года показал настоящую главную страницу с синей шапкой, которую вспомнил владелец. Это и есть дата восстановления.

Проверьте глубину, а не только главную страницу. Главная страница сохраняется чаще всего; страницы /services/ и /contact/ могут отставать на месяцы. Перейдите на них изнутри снимка и запишите даты захвата. Если страница контактов из 2016 года, а главная, из 2019, ожидайте несовпадения номеров телефонов и запланируйте очистку позже. Запишите эти даты захвата, вы сравните их с манифестом файлов после восстановления.

Заодно проверьте варианты URL. Версия с www у клиники имела около 400 снимков; голый домен, 60. Восстанавливайте более богатый вариант, вы сможете канонизировать предпочитаемый хост на этапе настройки параметров. Затем запишите 14-значный таймстамп снимка: 20191204231015 означает 4 декабря 2019, 23:10:15 UTC. Вставьте полный URL с таймстампом в инструмент восстановления, а не просто домен, чтобы получить именно тот снимок, который вы проверяли, а не тот, который инструмент выберет по умолчанию.

Шаг 2: Рассчитайте стоимость до оплаты

Вставьте URL с таймстампом в сервис восстановления и запустите бесплатную оценку. Она возвращается за секунды с тремя числами, которые определяют всё: точное количество архивных файлов, общий размер и зафиксированную цену. Сайт клиники: 1 847 файлов, 214 МБ, большая часть, PDF с бланками и фото персонала. Зафиксирована, значит зафиксирована: цена фиксируется в момент оценки и не может вырасти в процессе работы.

Оплата, за каждый восстановленный файл плюс небольшая фиксированная плата за восстановление. Вы пополняете баланс один раз, картой или криптовалютой, без подписки, ничего не списывается автоматически. Промокоды бывают трёх видов: процентные скидки, фиксированные скидки и коды, удваивающие баланс. А если восстановление или развёртывание не удастся, возврат автоматически зачисляется на ваш баланс. Никаких тикетов в поддержку, никаких споров.

Шаг 3: Настройте важные параметры восстановления

Для восстановления клиники набор параметров выглядел так:

• Диапазон дат: с января 2019 по декабрь 2019, одна цельная версия дизайна
• Удалить аналитику, рекламу, iframe и внешние ссылки, старый сайт обращался к трём мёртвым доменам отслеживания
• Удалить кликабельные контакты, старый номер телефона теперь принадлежит другому человеку
• Относительные внутренние ссылки, канонизация без www, перевод на HTTPS
• Экспорт структурированных статей в XML/CSV/JSON плюс файловый манифест JSON/SQLite, для архива

Два параметра заслуживают отдельного внимания. «Сохранять 301/302-редиректы» стоит включить, если на старом сайте были намеренные правила редиректа, это сохранит их и отбросит случайные цепочки, записанные краулером. Минификация JS/CSS, бесплатный прирост скорости для всего, что создано до 2018 года, что точно описывает сайт клиники. Полный список параметров находится на странице восстановления с тем же процессом оценки.

Шаг 4: Разверните сайт с CMS

Скачайте zip, если хотите полный контроль локально, или развёртывайте прямо из панели. Одним кликом развёртывание идёт на SSH/SFTP VPS, FTP/FTPS на shared-хостинг или S3. Учётные данные шифруются по AES-256-GCM, а пиннинг SSH-ключа хоста при первом подключении означает, что инструмент откажется общаться с сервером, чей ключ изменился с момента вашего одобрения. Сайт клиники отправился на дешёвый shared-хостинг по FTPS примерно за четыре минуты.

Каждое развёртывание включает Restorix CMS по адресу /webarchive-cms.php, один PHP-файл с редактированием контента, поиском и заменой, а также файловым менеджером. Пароль администратора генерируется случайно для каждого сайта и отображается в вашей панели, а безопасный режим включён по умолчанию, чтобы ничего не сломалось, пока вы осваиваетесь. Первая задача для клиники: поиск и замена старого номера телефона по всем 62 страницам. Девяносто секунд, готово. Если вы выбрали скачивание zip вместо развёртывания, тот же файл CMS находится внутри него, просто положите его в корень веб-сервера после загрузки, и он работает идентично. Туториал описывает CMS экран за экраном.

Практическое замечание о безопасном режиме: оставьте его включённым, пока не кликнете по всей админке хотя бы раз. Он делает правки консервативными, пока вы привыкаете к файловому менеджеру, а отключить его позже, один переключатель.

SEO после восстановления сайта из Wayback Machine

Восстановленный сайт стартует с преимуществом, за которое большинство новых сайтов отдали бы многое: возрастные URL, которые Google уже знает, с годами бэклинков, ведущих на них. Эти старые ссылки снова заработают в день запуска сайта. Не теряйте эту фору.

1. Сохраните оригинальную структуру URL точно, каждый изменённый URL, потерянная позиция
2. Принудительный HTTPS и один канонический хост, затем редирект с другого варианта
3. Отправьте старый sitemap заново или сгенерируйте новый в Google Search Console
4. Восстановите robots.txt из архива, если у вас были кастомные правила
5. Быстро исправляйте всё заметно устаревшее: цены, даты, страницы персонала, часы работы

Ожидайте, что переиндексация займёт от нескольких дней до недель. Страницы, которые ранжировались раньше, обычно возвращаются, если контент и URL совпадают; страницы, которые годами отдавали 404, дольше вызывают доверие. Основные страницы услуг клиники вернулись в индекс за две недели.

Проблемы при восстановлении сайта из Wayback Machine

• Отсутствующие изображения, которые краулер не захватил, манифест перечисляет каждый пробел, чтобы вы могли найти замену
• Разные таймстампы у главной и глубоких страниц, ограничьте диапазоном дат, затем уберите следы нестыковок
• Формы, которые больше не отправляются, архивированные формы это статичный HTML, так что подключите их к новому обработчику или удалите
• Сторонние встраивания вроде карт, видео и веб-шрифтов, обращающиеся к мёртвым доменам, удалите на этапе параметров
• Заглушки или дефaced-снимки, прячущиеся ближе к концу таймлайна, проверяйте до оплаты

Ничто из этого не фатально. В сумме это послеобеденная уборка, а манифест плюс поиск-и-замена в CMS покрывают большую часть. Гид по подводным камням разбирает каждый режим сбоя с проверками, которые его предотвращают.

Архив возвращает вам файлы. Параметры и этап очистки возвращают вам сайт.