Wayback Machine: Web Geçmişini Taramanın Tam Rehberi

Wayback Machine sayısız kez imdadıma yetişti. Kötü bir eklenti güncellemesiyle silinen bir müşteri WooCommerce mağazası. Bir sözleşme anlaşmazlığı için gereken, 2019'dan kalma bir rakibin fiyatlandırma sayfası. Bir dava dosyasında alıntılandıktan sonra sessizce yeniden yazılan bir makalenin orijinal hali. Web'in hafızasıdır ve kullanımı ücretsizdir. Yine de çoğu kişi yalnızca ana sayfadaki arama kutusunu kullanır ve geri kalan her şeyi kaçırır. Bu rehber, arşivin gerçekte nasıl çalıştığını, ezberlemeye değer tüm arama püf noktalarını, yetersiz kaldığı noktaları ve anlık görüntülere göz atmanın yeterli olmadığı durumlarda sitenin kendisini geri almak için ne yapmanız gerektiğini kapsar.

Wayback Machine Aslında Nedir

Wayback Machine, San Francisco merkezli kâr amacı gütmeyen bir dijital kütüphane olan Internet Archive tarafından işletilen, web sayfalarının ücretsiz bir kamu arşividir. Brewster Kahle organizasyonu 1996'da kurdu ve Wayback Machine 2001'de halka açıldı. İsim, 1960'ların çizgi filmi Peabody'nin Olasılıksız Tarihi'ndeki zaman yolculuğu aleti WABAC makinesine bir göndermedir, bu yüzden pek çok kişi onu yanlışlıkla 'the way back machine' olarak hatırlar.

Koleksiyon 900 milyar arşivlenmiş web sayfasını aştı ve haftada bir milyardan fazla sayfa eklenmeye devam ediyor. Web sayfalarının yanı sıra Internet Archive, taranmış kitaplar, TV haberleri, ses kayıtları ve tarayıcıda çalıştırabileceğiniz eski yazılımlar da barındırır. Göz atmak ücretsizdir ve hesap gerektirmez.

Her şeyden önce önemli bir ayrım var: Wayback Machine sayfaları arşivler, siteleri değil. Her anlık görüntü, tek bir anda yakalanmış tek bir URL'dir. Rafta duran 'Mart 2015'teki tüm site' diye bir nesne yoktur, yalnızca aynı alan adını paylaşan binlerce bireysel sayfa yakalaması vardır. Bunu aklınızda bulundurun, çünkü ileride karşılaşacağınız neredeyse her tuhaflığı açıklar.

Taramalar ve Anlık Görüntüler Nasıl Çalışır

Arşiv, tarayıcılar tarafından oluşturulur. İlk yıllarında Internet Archive, Kahle'ın ortak kurduğu bir web analitiği şirketi olan Alexa Internet'ten gelen tarama verilerine güveniyordu; bugün kendi tarama operasyonunu, ortak taramaları ve kullanıcılardan gelen milyonlarca manuel kaydı yürütüyor. Bir tarayıcı bir URL'ye istek gönderir, dönen HTML'i saklar, ardından HTML'in referans verdiği varlıkları, resimler, stil sayfaları, betikler, her birini kendi dosyası olarak depolar.

Bu son ayrıntı en yaygın kafa karışıklığını açıklar. Bir anlık görüntü, zamanda donmuş bir klasör değildir. Sayfa HTML'i 3 Mart'tan, stil sayfası 9 Mart'tan ve ana görsel 20 Şubat'tan olabilir. Her şey uyuştuğunda sayfa düzgün görüntülenir. Uyuşmadığında ise klasik bozuk anlık görüntüyü alırsınız: metin sağlam, düzen bozulmuş, fotoğrafların olması gereken yerde gri kutular.

Bir sayfa ne sıklıkla taranır

Güvenebileceğiniz bir program yoktur. Tarama sıklığı önemi takip eder: büyük bir gazetenin ana sayfası günde binlerce kez yakalanırken, 2009'dan kalma bir phpBB forumu on yılda iki kez görünebilir. Bir sayfa sizin için önemliyse, bir tarayıcının onu umursamasını beklemeyin, kendiniz kaydedin, bu püf noktası birkaç bölüm aşağıda ele alınıyor.

Bir taramayı ne engelleyebilir

Tarayıcı robots.txt'ye uyar ve bir engelleme geriye dönük olarak uygulanabilir: alan adına genel bir yasaklama koyan bir site, engel kaldırılana kadar tüm yakalama geçmişini çevrimdışına alabilir. Site sahipleri ayrıca doğrudan Internet Archive'tan içeriklerinin hariç tutulmasını isteyebilir. Giriş ve ödeme duvarlarının arkasındaki sayfalar hiçbir zaman taranmaz.

Takvimi ve Zaman Çizelgesini Okumak

Bir URL aradığınızda takvim görünümüne ulaşırsınız. İki araç tüm işi yapar. Üstteki çubuk grafik yıllara göre yakalama sayısını gösterir, bir sitenin ne zaman canlı olduğunu, ne zaman yoğun olduğunu ve ne zaman karardığını görmenin hızlı bir yoludur. Aşağıdaki takvim, seçilen yılın yakalanan her gününü işaretler.

• Mavi daire: 200 OK döndüren normal bir yakalama.
• Yeşil daire: yakalama bir yönlendirmeydi. Tarayıcı onu takip etti, bu yüzden nereye ulaştığını kontrol edin.
• Kırmızı işaret: bir hata yanıtı, genellikle 404 veya 500. Açmaya nadiren değer.
• Daha büyük daire: o gün daha fazla yakalama var. Tam saatler için bir günün üzerine gelin, açmak için bir zaman damgasına tıklayın.

Bir anlık görüntü açtığınızda sayfanın üstünde bir başlık çubuğu bulunur. Tam UTC zaman damgasını, önceki ve sonraki yakalama için okları ve tarama meta verilerini içeren bir 'Bu yakalama hakkında' panelini taşır. Belirli bir değişikliği ararken, örneğin, bir şirketin iade maddesini ne zaman kaldırdığını, rastgele günlere tıklamayın. Kümeleri ve boşlukları tarayın, ardından değişikliği, onu içeren son yakalama ile içermeyen ilk yakalama arasına sıkıştırın.

Ezberlemeye Değer Wayback Machine Arama Sözdizimi

Ana sayfadaki arama kutusu en yavaş giriş yoludur. Asıl arayüz URL'nin kendisidir ve bir avuç kalıp neredeyse tüm ihtiyaçlarınızı karşılar.

Bunlardan ikisi özel olarak anılmayı hak ediyor. Alan adı genelindeki URL listesi, adresini yarım yamalak hatırladığınız bir sayfayı bulmanın en hızlı yoludur, filtre kutusuna adresin bir parçasını yazın, arşiv binlerce yolu ihtiyacınız olan tek gönderiye kadar daraltır. id_ değiştiricisi ise profesyonellerin, yeniden çerçevelenmiş bir önizleme yerine dosyanın kendisine ihtiyaç duyduklarında kullandıkları şeydir, çünkü başlık çubuğu olmadan ve tek bir bağlantıyı bile yeniden yazmadan orijinal baytları sunar.

Sayfayı Şimdi Kaydet ve Reddettiği Durumlar

Arşiv yalnızca bir okuma salonu değildir. Sayfayı Şimdi Kaydet ona yazar: herhangi bir genel URL'yi web.archive.org/save adresine yapıştırın, bir tarayıcı saniyeler içinde canlı sayfayı getirir. Ücretsiz bir hesap, dış bağlantılı sayfaları kaydetme ve tam sayfa ekran görüntüleri gibi ekstraların kilidini açar. Önemli bir şey yayınlıyorsanız, aynı gün kaydetmek internetteki en ucuz sigortadır.

İnsanların beklediğinden daha sık reddeder. robots.txt tarafından engellenen sayfalar kaydedilmez. Anonim kullanım hız sınırlamasına tabidir, bu nedenle art arda elli sayfa toplu kaydetmek takılır. Giriş ekranları giriş ekranı olarak kaydedilir. Ağır JavaScript uygulamaları bazen boş bir kabuk olarak arşivlenir, HTML sorunsuz kaydedilmiştir, ancak içerik yalnızca betikler çalıştıktan sonra var olmuştur ve betikler çoktan ölmüş bir API'ye istekte bulunmuştur.

Wayback Machine'in Yetersiz Kaldığı Yerler

• Giriş, ödeme duvarı veya POST formunun arkasındaki hiçbir şey asla arşivlenmez.
• JavaScript ile işlenen etkileşimli uygulamalar genellikle boş kabuklar olarak kalır.
• Akışlı video ve ses, eski yakalamalardan nadiren oynatılır.
• Boşluklar. Umutsuzca ihtiyaç duyduğunuz o bir hafta, güvenilir bir şekilde kimsenin taramadığı haftadır.
• Tüm siteyi indirme yok. Bağlantılar arşiv üzerinden geri gösterecek şekilde yeniden yazılmış olarak, her seferinde bir sayfaya göz atarsınız.
• Sunucu tarafı kod sonsuza dek gitmiştir. Anlık görüntüler işlenmiş HTML tutar; PHP, veritabanı ve yönetici paneli hiçbir zaman genel olmadığından asla arşivlenmemiştir.

Bunların hiçbiri hata değildir. Arşiv, taşıma için değil, hafıza için inşa edilmiştir, ve hedefiniz eski bir sayfayı okumaktan tüm bir web sitesini yeniden oluşturmaya kaydığı anda bu ayrım önem kazanır.

Wayback Machine'den Geri Yüklenmiş Bir Siteye Ulaşmak

Bir anlık görüntüye göz atmak soruları yanıtlar. Size bir web sitesi vermez. Bağlantılar archive.org'a geri döner, varlıklar arşivin sunucularından sunulur ve bir dışa aktarma düğmesi yoktur. Elle kopyalamak bir veya iki sayfa için işe yarar; bu şekilde kopyalanan 3.000 sayfalık bir mağaza, geri alamayacağınız bir aylık ömrünüzdür. İnsanların araştırmayı bırakıp bunun yerine bir Wayback Machine geri yükleme aramaya başladığı nokta burasıdır.

Bu boşluk tam olarak bu geri yükleme aracının inşa edilme nedenidir. Bir alan adının arşivlenmiş tüm dosyalarını çeker, çalışan iç bağlantıları yeniden oluşturur ve önce ücretsiz bir tahmin gösterir, herhangi bir ödeme yapmadan önce tam dosya sayısı, toplam boyut ve sabit bir fiyat. Geri yüklemeler dosya başına ücretlendirilir, ilk dosya ücretsizdir ve başarısız geri yüklemeler bakiyenize otomatik olarak iade edilir. Seçenekler, önemli olan gösterişsiz kısımları kapsar: eski analitik ve reklam betiklerini temizleme, bağlantıları göreliye dönüştürme, HTTPS'yi zorlama, 301 yönlendirmelerini canlı tutma ve yapılandırılmış makale verilerini XML, CSV veya JSON olarak dışa aktarma.

Dosyalar hazır olduğunda, tek tıkla SSH veya SFTP üzerinden kendi VPS'nize, FTP üzerinden paylaşımlı hostinge veya bir S3 bucket'ına dağıtılır, ve her dağıtım, /webarchive-cms.php adresinde küçük, tek dosyalı bir CMS içerir, böylece geri yüklenen site ulaştığı anda düzenlenebilir olur. Eğitim yaklaşık on dakikada tam bir çalıştırmayı adım adım gösterir.