Archive.org Web Sitesi: Gelişmiş Arama, Filtreler ve Koleksiyonlar

Çoğu insan Archive.org web sitesine yalnızca bir kez girer. Ölü bir URL'yi Wayback Machine'e yapıştırır, ekran görüntüsü alır ve çıkar. Bu ciddi bir aracı heba etmektir. Aynı giriş arkasında tam bir dijital kütüphane, on milyonlarca öğe, ve neredeyse hiç kimsenin kullanmadığı kendi arama motoru, sorgu sözdizimi ve filtreleri bulunur.

Yıllardır müşteri sitelerini, ölü yazılımları ve taranmış kılavuzları Archive.org'dan çıkarıyorum. Bir şeyi iki dakikada bulmak ile yirmi dakika sonra pes etmek arasındaki fark nadiren şanstır. Hangi arama kutusunu kullanacağınızı ve hangi filtreye tıklayacağınızı bilmekten ibarettir. İşte benim gerçekte izlediğim iş akışı.

Archive.org Web Sitesi Gerçekte Neleri Dizinler

Kafa karışıklığı burada başlar. Archive.org aynı logoyu paylaşan iki farklı sistem yürütür. Öğe arşivi, ana sayfadan arama yaptığınız, yüklenen ve taranan nesneleri barındırır: kitaplar, konserler, yazılımlar, videolar, radyo programları. Her öğenin metaverisi, dosya listesi ve incelemeleri vardır. web.archive.org adresindeki Wayback Machine ise URL'ye göre dizinlenmiş web sayfası anlık görüntülerini barındırır. 900 milyardan fazlası.

Bu neden eski web siteleri için önemli? Çünkü ölü bir site her iki yerde de farklı şekilde görünebilir. Wayback tarafında sayfalar vardır. Öğe tarafında ise sitenizin yaşadığı hizmetin tamamının bir Archive Team kurtarma taraması olabilir, GeoCities, FortuneCity, MobileMe, indirilebilir WARC dosyaları olarak paketlenmiş. Yalnızca tek bir kapıyı kullanırsanız diğerini kaçırırsınız.

• Metinler: taranmış kitaplar, kılavuzlar, dergiler, tam metin aranabilir
• Yazılım: shareware CD'lerden eski tarayıcılara ve Flash projektörlere kadar her şey
• Ses ve video: canlı konserler, radyo arşivleri, haber filmleri, reklamlar
• Web öğeleri: tarama koleksiyonları ve Archive Team yakalamaları, WARC dosyaları olarak saklanır
• Görüntüler ve veriler: fotoğraf setleri, harita taramaları, araştırma veri setleri

Archive.org Web Sitesinde Gelişmiş Arama

Ana sayfadaki kutu Beatles bootleg'leri için yeterlidir. Hassas bir şey için gelişmiş arama sayfasına, archive.org/advancedsearch.php, gidin veya sorguyu kendiniz yazın. Sözdizimi Lucene benzeridir ve katıdır: alan adları küçük harf olmalı, aralıklar köşeli parantez kullanmalı ve boole operatörleri büyük harf olmalıdır. Bunlardan birini yanlış yaparsanız sessizce çöp sonuçlar alırsınız.

2005 ile 2010 arasında eklenen Joomla ile ilgili yazılımı bulan bir sorgu şöyle görünür: title:(joomla) AND mediatype:software AND date:[2005-01-01 TO 2010-12-31]. Bunu arama kutusuna yapıştırın ve çalışır. Form gerekmez.

• identifier:, öğenin tam URL kısmı; var olan en hızlı arama
• collection:, tek bir koleksiyonla sınırla, örn. collection:archiveteam
• creator: ve title:, belirsiz ama ifadeler etrafında tırnak işaretiyle kullanışlı
• date:[YYYY-MM-DD TO YYYY-MM-DD], eklenme tarihi aralığı, orijinal yayın değil
• mediatype:, texts, software, audio, movies, image, web, data
• NOT, AND, OR ve parantezler, serbestçe birleştirin, ancak büyük harf kullanın

Bir tuzak: date: öğenin içeriğin yapıldığı zamanı değil, arşive eklendiği zamanı filtreler. 2019'da yüklenen 2003 tarihli bir kılavuz 2019 ile eşleşir.

Ağır İş Yapan Filtreler

Sonuçlar yüklendiğinde, zaman kazandıran yer sol kenar çubuğudur. Medya türüne, yıla, koleksiyona, oluşturucuya ve dile göre filtreleyebilir, alaka, görüntülenme (tüm zamanlar veya haftalık), eklenme tarihi veya başlığa göre sıralayabilirsiniz. Çoğu arama materyal yok olduğundan değil, iki yüz podcast bölümünün arkasında dokuzuncu sayfada oturduğundan başarısız olur. Filtreler bunu düzeltir.

1. Önce medya türüne göre filtreleyin. Ölü bir CMS'i her şeyde aramak sizi ses kayıtlarının altında gömer.
2. Bakımlı materyal istediğinizde haftalık görüntülenmeye göre sıralayın, kalabalık iyi bir kalite sinyalidir.
3. Web'in bir köşesinin örneğin 2008'de nasıl göründüğünü yeniden oluşturmak için koleksiyon ve yıl filtrelerini üst üste yığın.

Eski Web Siteleri İçin Bilinmesi Gereken Koleksiyonlar

Koleksiyonlar özenle derlenmiş raflardır ve bir avuçları eski web sitelerinin peşinde olan herkes için altın değerindedir:

• archiveteam, ölmekte olan hizmetlerin panik içinde, sevgiyle yapılan yakalamaları: GeoCities, FortuneCity, Posterous, MobileMe. Genellikle tüm barındırma platformlarının tam WARC taramaları.
• geocities ve aynaları, Yahoo! GeoCities kurtarması, şimdiye kadar yapılmış en büyük tekil kişisel web sayfası kurtarma operasyonu.
• widecrawl ve diğer tarama koleksiyonları, toplu Internet Archive taramaları, Wayback'in URL başına görünümünde boşluklar olduğunda kullanışlıdır.
• yazılım kütüphanesi koleksiyonları, eski tarayıcılar, Flash, Shockwave, Java applet'leri. Eski sitelerin sunduklarını gerçekte çalıştırmak için bunlara ihtiyacınız var.
• cd-rom yazılım kütüphanesi, döneme uygun site oluşturucular, sayaçlar ve ziyaretçi defteri betikleriyle dolu shareware diskleri.

Arama kutusundan değil koleksiyon sayfasından başlayın. Bakımcılar genellikle içinde ne olduğunu, nasıl tarandığını ve dosya düzeninin ne anlama geldiğini belgeler, bu bağlam sizi gece 2'de tahmin yürütmekten kurtarır.

Archive.org Web Sitesi ve Wayback Machine: Hangi Kapıyı Kullanmalı

Altın kural: URL'yi adlandırabiliyorsanız Wayback Machine'de başlayın. Sadece şeyi tarif edebiliyorsanız, 2007'de herkesin kullandığı o phpBB teması, öğe araması kazanır. Tam bir geri yükleme için genellikle ikisini de kullanırsınız: öğe tarafından taramalar ve CDX verileri, Wayback tarafından sayfa anlık görüntüleri.

Gerçek Bir İş Akışı: Müşterinin Ölü Forumunu Avlama

Somut bir vaka. Müşterinin 2009 phpBB forumu, barındırma sağlayıcısı 2014'te kapandığında yok oldu. Domain yıllarca park halinde kaldı; içeriği geri istediler. İşte çalışan adımların sırası:

1. Hangi URL'lerin ne zaman yakalandığını eşlemek için domain üzerinde Wayback CDX sorgusu, yaklaşık 1.400 yakalama, çoğu 2010'dan 2012'ye.
2. collection:archiveteam içinde domain ve site adı için öğe araması, bu sefer hiçbir şey yok, ama otuz saniyelik bir kontrol.
3. Eski barındırma sağlayıcısı üzerinde koleksiyon kontrolü, sağlayıcının kendisi kısmen Archive Team tarafından yakalanmıştı, bu da birkaç şablon ve görüntü boşluğunu doldurdu.
4. Referans için döneme uygun bir phpBB paketi almak üzere forumun yazılımı üzerinde yıl filtreli arama.

Toplam süre: yaklaşık kırk dakika, çoğu CDX çıktısını okumakla geçti. Kapıları bir kez bildiğinizde arama kolay kısımdır. Ne olmadığına dikkat edin: Google önbelleğinde tahmin yok, eski barındırma sağlayıcısının destek gelen kutusuna yalvarma yok, henüz kimseye ödeme yok. Arşiv bize tam olarak neyin hayatta kaldığını söyledi, 1.400 yakalama, 2013'te bilinen bir boşluk ve onu yamamak için kısmi bir kurtarma taraması. Aynı CDX verisi, bir Restorix tahmininin dosyaları saymak ve geri yüklemeye fiyat biçmek için okuduğu şeydir, hikaye aşağıda buradan devam ediyor.

Archive.org Web Sitesi Yeterli Olmadığında

Yukarıdakilerin tümü materyal bulur. Size çalışan bir web sitesi vermez. Wayback anlık görüntüleri yeniden yazılmış URL'ler, eksik görüntüler, ölü formlar ve artık kontrol etmediğiniz bir domaini işaret eden mutlak bağlantılarla gelir. Ham yakalamalardan bir siteyi elle yeniden oluşturmak günlerce sed betikleri yazmak ve pişman olmaktır.

İşte bu boşluk tam olarak Restorix için inşa edildi. URL'yi yapıştırın ve ücretsiz tahmin, ödeme yapmadan önce tam arşivlenmiş dosya sayısını, toplam boyutu ve kilitli bir fiyat gösterir. Geri yüklemeler analitik ve reklamları ayıklayabilir, bağlantıları göreceliye dönüştürebilir, HTTPS zorlayabilir ve doğrudan VPS'inize, FTP barındırmanıza veya S3'e dağıtabilir, canlandırılan içeriği düzenleyebilmeniz için tek dosyalık bir CMS dahil.

Keşfetmek için Archive.org web sitesini kullanın: neyin var olduğunu, ne zaman ve ne kadarının hayatta kaldığını doğrulayın. Sonra yeniden yapılandırmayı araçlara bırakın. Zamanınız bir hafta sonu WARC ayrıştırmasından daha değerlidir.