旧网站恢复：多年离线后如何让网站重获新生

去年春天，一位客户带着一个常见的问题联系我。她的园林公司多年来一直使用一个2013年建的网站, 一个简洁的宣传册网站，包含已完工花园的画廊，以及一个带来大部分业务的报价表单。域名在2019年到期，托管账户更早之前就已取消。设计师已退休到葡萄牙，不再回复邮件。她提出了这个处境下所有人都会问的问题：旧网站恢复真的可能吗，还是我必须从零开始？

诚实的回答是：很可能可以，而且可能比你预期的更好。公共网站向访客展示的几乎所有内容都曾被复制到某处, 由存档爬虫、搜索引擎或某人的备份脚本完成。关键在于知道哪些内容保存在哪里，并坦诚面对空白之处。这是我在类似项目中使用的工作流程，也是在客户花钱前设定的期望。

旧网站恢复的真正含义

旧网站恢复不是重新设计，也不是“建一个看起来像旧站的新网站”。它的意思是找到网站的现有副本, 存档的HTML、图片、样式表、文档, 并将它们重新组装成一个你拥有的、可正常工作的网站。这样你就能将其部署到一个域名上、进行编辑并获取潜在客户。这个区别很重要，因为它使价格相差一个数量级：恢复重用已有内容，而重建则需付费让别人根据截图和记忆重新创建。

三种主要来源承担了大部分工作。网络存档，尤其是Wayback Machine，保存了数十年来公共网页的爬取副本。搜索引擎缓存曾是第二选择，但谷歌在2024年关闭了其缓存功能，因此这条途径基本已废弃。而真正的备份, 来自你的旧主机、旧开发者或抽屉里的硬盘, 是唯一保存后台内容的地方。每个来源提供旧站的不同切片。

你的网站副本实际存放在哪里

在恢复任何内容之前，请先清点来源。以下是对于一个已离线多年的网站，每个来源实际能提供的内容：

看完这个表格，一个模式显而易见：表现层得以保存，应用层则不然。HTML、CSS和图片是公开的，所以爬虫复制了它们。PHP脚本、数据库和管理面板位于网络服务器之后，爬虫无法看到。对于宣传册网站或博客，表现层几乎是整个网站。对于商店或论坛，你只能恢复目录和内容, 订单、账户或私信则无法恢复。

旧网站恢复的现实期望

我在接触任何网站之前，会用数字设定期望，因为希望不是计划。基于过去几年的恢复项目，以下是一个良好结果的样貌：

• 静态页面和博客文章：如果网站允许爬取，可恢复90%–100%。
• 图片：通常70%–95%，取决于存档爬取的深度以及它们是否存储在独立的CDN域名上。
• PDF和下载文件：五五开。爬虫常跳过超过大小阈值的文件。
• 视频：除非存储在YouTube或Vimeo上，否则假设已丢失, 那样的话它从未丢失。
• 数据库, 产品、用户、评论、订单：除非存在真实备份，否则已丢失。存档只看到渲染后的页面。
• 搜索排名：部分可挽救。尽可能保留原始URL，对其余的进行301重定向，Google重新收录网站的速度会比你想象的快。

两个真实案例。一个2009年的phpBB论坛恢复为400多个静态HTML主题, 每个帖子可读，但零用户账户。一位客户的WooCommerce商店恢复了完整目录、每个产品描述和大部分照片, 但没有订单历史和客户列表。两位客户都很满意，因为他们在项目开始前就清楚了结果的轮廓。

哪些内容能保存，哪些已永久丢失

快速清点可以节省人们浪费周末去寻找从未有过副本的内容：

• 通常能保存： 公共HTML页面和博客文章，以及这些页面引用的图片。
• 通常能保存： 样式表、JavaScript文件、字体、robots.txt、favicon，有时还有sitemap.xml。
• 通常能保存： 一些PDF和较小的下载文件，前提是爬取的页面链接到它们。
• 无备份则永久丢失： 服务器端代码, PHP、Python、插件、主题的模板逻辑。
• 无备份则永久丢失： 数据库, 产品、文章元数据、用户、评论、订单。
• 无备份则永久丢失： 登录背后的所有内容，以及每个可用的表单、搜索框和购物车, 存档保留了它们的外观，而非其核心功能。
• 无备份则永久丢失： 电子邮件账户、服务器配置、.htaccess规则。

有两个陷阱需要特别注意。如果旧网站有阻止爬虫的robots.txt，存档可能几乎为空, 在制定任何计划前请先检查。域名过期后拍摄的快照通常显示停放页面或欺诈性门页。务必从网站真实存活时拍摄的快照进行恢复；最新的捕获很少是最佳选择。

分步旧网站恢复工作流程

1. 列出URL。从Wayback Machine的CDX索引或日历视图中获取网站的URL清单，如果存在健康的快照，也抓取sitemap.xml。
2. 选择正确的年份。浏览快照日历，找到最后一次捕获显示真实网站（而非停放页面或被入侵）的时段。
3. 用archive.today填补空白。Wayback跳过的页面有时存在于此, 请逐一检查你最重要的URL。
4. 恢复文件。对于少数几个页面，手动保存即可。对于整个网站，运行自动恢复：Restorix CMS在付费前提供免费估算，显示确切的归档文件数量、总大小和锁定价格，然后恢复网站并可选择重写内部链接和剥离旧分析数据。
5. 清理。移除存档的广告标签和跟踪脚本，规范化www或非www，并将内部链接转换为相对链接，以便网站可在任何域名上工作。
6. 映射URL。尽可能保留原始路径，并对你决定放弃的所有URL进行301重定向。
7. 部署并验证。爬取已恢复的网站，修复404错误，然后向Search Console提交新的站点地图。

清理是DIY项目停滞的地方。手动从archive.org复制粘贴会让你留下指向web.archive.org的绝对链接和一个十年历史的分析信标在每个页面上触发。恢复选项正是为此存在：剥离iframe和广告代码、压缩资产以及使链接与域名无关, 这些都是复选框，而不是几个下午的查找替换。

导致旧网站恢复失败的错误

• 从最新的快照而非最健康的快照恢复。垂死网站的最后一年通常是停放页面和恶意软件重定向。
• 在犹豫时让域名闲置。先买回域名, 在他人拥有的地址上恢复内容是浪费功夫。
• 混合不同年份的快照。2016年的导航链接到2014年副本中没有的页面，每个菜单都变成404错误工厂。
• 忘记CDN子域名。如果图片存储在cdn.yoursite.com上，请在存档中单独检查该主机名, 它有自己的快照历史。
• 忽略版权问题。恢复自己的网站是常规操作；大量重新发布他人的内容是版权问题。
• 在导出前就在锁定平台上重建。先获取干净的文件, 文章的结构化导出为XML、CSV或JSON是有原因的, 然后再决定它们存放在哪里。

成本、时间，以及自己做还是外包

DIY复制粘贴：免费，适用于大约二十页以内。预算一个周末和大量耐心。免费的Wayback下载脚本能处理批量任务，但会留下损坏的内部链接和缺失的资产, 又是清理税。付费恢复按文件计费；Restorix按恢复的文件收费，每次恢复有少量固定费用，第一个文件免费，价格在估算时锁定，且无重复费用。几百个文件通常只需几十美元，如果恢复失败，自动退款会返回你的余额。

每个项目的时间分配都一样：恢复本身是快速部分, 几百页远在一小时之内完成, 之后的人工工作是缓慢部分。我客户的园林网站恢复为86页和约300张图片。估算花了一分钟。她的周末则用于连接一个可用的报价表单和重新拍摄两张她一直不喜欢的花园照片。恢复后的网站在一周内就比原版更好，这是没人预料到的部分。

将恢复的网站重新上线

恢复的宣传册网站可以愉快地运行在廉价的静态主机上。如果所有者想编辑内容, 最终他们总会这样做, 部署时就附带一个CMS，而不是之后再强行添加。Restorix一键部署到SSH/SFTP VPS、FTP共享主机或S3，其部署包含一个位于/webarchive-cms.php的单文件CMS，带有每个站点的管理员密码，因此所有者无需接触代码即可编辑文本和更换图片。无论你选择什么，最后都要完成那些必要的基础工作：用新的分析代码替代2013年的标签、XML站点地图、Search Console验证，以及对你决定不恢复的每个URL进行301重定向。