旧网页恢复：找回丢失页面的最快方法

有人给你发了一个链接。你点击后，页面显示404, 或者更糟，变成了满是药品和加密广告的停放域名。去年这个页面还在。你知道它在。你可能还引用过它。旧网页恢复就是把这一个页面找回来的技术，不像恢复整个网站，只要按正确顺序敲对门，十分钟就能搞定。

这是我使用的顺序，最快的优先，成功率是我实际看到的数据。好消息是：对于公开存在了几个月以上的页面，胜算很大。

旧网页恢复：先试最快的来源

旧网页恢复中最快的方法一分钱都不用，五秒搞定。把失效URL粘贴到Wayback Machine的地址栏, 或者用快捷方式web.archive.org/web/加上URL, 就能看到所有快照的日历。选择一个日期，获取页面。根据我的经验，对于公开存在一年以上的页面，成功率大约十之八九。

如果你大致知道页面何时在线，可以给快捷方式加一年：web.archive.org/web/2019/后面跟URL会直接跳到最近的2019年存档，而不用在日历上翻找。这个小技巧很实用，尤其当你连续检查十几个URL时能省下不少时间。

Wayback Machine：旧网页恢复的支柱

Wayback Machine是大多数单页恢复的起点和终点，所以要了解它的两个特点。首先，日历用圆圈标记存档日期, 圆圈越大，那天的存档越多, 应该挖掘的是健康存档的年份，而不是域名消亡的那年。垂死网站的最后存档通常是停放页面。其次，你拿到的是快照：图片从存档副本加载，链接指向其他存档页面，联系表单现在是摆设。

还有两个有用的功能。Changes视图高亮显示两次存档之间的差异, 当你需要的是被人编辑之前的版本时很有用。如果Wayback上没有，不要就此打住。它是最大的存档，但不是唯一的。

archive.today：经常能成功的备选方案

archive.today, 也可以通过archive.ph、archive.li和其他几个镜像访问, 是另一种方式。它按需保存页面而非按计划爬取，不遵守相同的排除请求，而且经常保存着Wayback完全错过的页面。在首页搜索URL：如果任何人、在任何地方、曾经把那个链接粘贴到保存框，快照就在那里。

它的存档也能更好地处理现代页面。它在保存前渲染JavaScript，所以在Wayback上显示为空壳的页面有时会完整回来。代价是所有操作都是手动的，一次一页, 单个页面没问题，五十个就很痛苦了。

Google缓存和Bing缓存怎么了

二十年来，“页面没了”最快的方法就是Google的缓存副本。2024年2月这个时代结束了，Google淘汰了cache:搜索操作符，并从搜索结果中移除了“已缓存”链接。官方理由是现在页面加载足够可靠，没人需要它了, 当你盯着404时，这说法让人很难接受。

Bing保留缓存页面链接更久，藏在每个结果旁边的菜单里，但也在逐步淘汰。如果还能看到，用吧。搜索引擎缓存只保存最近一次抓取，对几年前消失的页面没用, 但对上周才删除的页面，它们可能是唯一存在过的副本。

人们忘记检查的地方

• 维基百科引用。如果页面曾在维基百科被引用，引用通常包含“存档自原始链接”的快照链接。也检查一下文章的编辑历史。
• Common Crawl。index.commoncrawl.org上的免费公开抓取数据集。原始HTML，没有美观的界面，查询麻烦, 但保存着别人都没有的页面。
• RSS阅读器。Feedly、Inoreader等会存储获取的文章文本。如果页面是一篇有订阅源的博文，它的完整文本可能正躺在陌生人的阅读器里。
• 你自己的浏览器。如果你最近访问过该页面，历史记录会确认确切URL，重新加载有时会在404到达之前从磁盘缓存拉取页面。概率低，零成本。
• 稍后阅读应用。Pocket和Instapaper的保存, 你自己的或作者的。
• 作者本人。一封简短的邮件, “我引用了你的文章，你还有副本吗？”, 比人们想象的更有效。

没有任何存档时的旧网页恢复

有时候真相就是没有快照：页面太新、网站屏蔽了爬虫、或者在登录墙后面。旧网页恢复在那时还没结束，但工具要从存档变成取证。

用引号搜索页面的独特短语, 转摘、引用或直接抄袭该内容的网站会出现，你可以从他们的版本重建实质内容。单独搜索页面标题：重新设计经常把内容移到新URL而不通知任何人，“已删除”的页面通常还在同一网站的新地址上。查找PDF或打印版本；尤其是文档和学术内容往往会有。检查谁链接过它, 详细总结了页面的博主已经帮你做了一半重建工作。

旧网页恢复：先试哪个来源

一个页面按这张表操作十分钟搞定。同一网站的二十个页面就不再是旧网页恢复了, 那是网站恢复。达到这个程度时，停止逐个获取URL，改为批量恢复：这个工具在付费前提供免费预估，显示确切的存档文件数量，也能告诉你该网站值不值得恢复。如果整个网站都没了，参见旧网站恢复获取完整版攻略。

这次好好保存页面

无论你恢复了什么，假设它可能再次消失, 存档有缺口，排除规则会变，服务会来来去去。现在就把页面用三种方式保存。把实时URL提交到Wayback Machine的Save Page Now，按照你的时间表创建新的快照。提交到archive.today作为第二个独立副本。保留一个没有任何服务能控制的本地副本：打印为PDF，或用浏览器保存为单文件HTML。三个系统中的三份副本听起来很偏执，直到某天它听起来理所当然。

如果恢复的页面是你自己的，它要重新上线，同样的逻辑可以扩展：properly restore the site, keep the files editable, and never again depend on a crawler's memory for your own content. The Restorix tutorial walks through a full restore if you want to see the process before committing. 这部分需要保持英文，因为是关于Restorix产品的描述。但我需要完成这个段落的翻译。 → "如果恢复的页面是你自己的，它要重新上线，同样的逻辑可以扩展：正确恢复网站，保持文件可编辑，永远不再依赖爬虫的记忆来保存你自己的内容。如果你想在投入之前了解整个流程，Restorix教程会带你走一遍完整的恢复过程。"