Wayback Machine on Archive.org：实用网站指南

搜索 Wayback Machine 时，Archive.org 会把你带到一个布满图标的首页, 书籍、音乐会、电视新闻、MS-DOS 游戏。你真正想要的网页存档就隐藏在其中。这是一份实用指南：Wayback 在 Archive.org 中的具体位置，搜索和日历视图如何运作，几个能节省大量时间的 URL 技巧，以及当仅仅查看旧页面无法满足恢复需求时该怎么办。

Wayback Machine 在 Archive.org 上的位置

Archive.org 是一座完整的数字图书馆；Wayback Machine 是其中的一个馆藏, 网页馆藏。首页的搜索框是目录搜索：它通过标题和描述来查找书籍、视频和音频等项目。如果你把 URL 粘贴进去并期待看到旧快照，你会得到一些名字相似的书籍结果，让人一头雾水。每个人都会经历一次这种事。

Wayback 在 web.archive.org 有自己的主页，可以通过 archive.org 首页上的大 Web 图标进入。经验法则是：寻找网页，从 web.archive.org 开始；寻找其他东西, 一本书、一场音乐会、一部电影, 从 archive.org 开始。把两者搞混是人们认为存档中没有某样东西（而实际上绝对有）的主要原因。

在 Archive.org 上搜索 Wayback Machine

将完整的 URL 粘贴到 Wayback 搜索框中（协议可选），你就会进入该地址的日历视图。接下来：

1. 在顶部的条形图中选择一个年份。柱子的高度代表抓取量，因此网站活跃的年份一目了然。
2. 在日历上，圆圈标记有抓取记录的日期；圆圈越大表示抓取次数越多。将鼠标悬停在圆圈上可查看确切的时间戳。
3. 点击时间戳即可加载该快照。页面顶部会出现 Wayback 工具栏，带有用于查看同一 URL 上一个和下一个快照的箭头。

三个值得记住的快捷方式。第一，通配符：web.archive.org/web/*/example.com 会打开整个域名的 URL 列表, 这是找出你忘记其存在的页面的最快方法。第二，日期简写：web.archive.org/web/2015/example.com 会重定向到最接近该日期的快照，输入更多数字可以进一步缩小范围（20150615 会定位到六月中旬）。第三，id_ 修饰符：web.archive.org/web/20150615000000id_/http://example.com/style.css 会返回未经 Wayback 重写的原始文件, 这是获取未被篡改的样式表或图像的干净方法。

比较两个快照

从日历页面链接的“Changes”视图会将两个快照并排对齐，并逐页突出显示它们之间的变动, 增加和删除的内容。在长页面上它可能会显得有些杂乱，但如果你想找出某个定价层级或页脚免责声明是何时出现的，这比用肉眼盯着两个浏览器标签页要强得多。选择相隔几个月的快照进行比较；如果比较 2010 年和 2025 年的快照，整个屏幕都会被高亮覆盖。

自己保存网页

web.archive.org/save 的保存框可以按需存档任何公开页面，通常在一分钟内完成。登录用户还可以享受额外功能，例如一次性保存出站链接以及保留个人保存列表。在网站发布、重新设计和迁移之后使用它, 这些是你以后最可能想要带有日期记录的时刻。

正确解读快照

旧快照会以不易察觉的方式欺骗你。页面正常渲染说明 HTML 及其资源保留了下来。如果只显示没有样式的骨架，说明样式表未被抓取或被阻止。图片位置出现灰框也是同样的道理。这些都不意味着页面未被存档, 而是说明存档保留了文档，但遗漏了一些附件。

工具栏上的时间戳值得更多重视。一个渲染出来的页面可能会拼接相隔数周抓取的资源，因为存档会提供每个文件最接近的可用副本。对于任何需要作为证据的内容，请记录每个元素的抓取日期，而不是假设整个页面是同一时刻冻结的。

在浏览快照时请注意地址栏。存档页面上的每个链接都被重写为指向该目标的最近快照，这就是为什么你可以像网站还活着一样浏览一个死站, 这也是为什么从 Wayback 复制出来的链接是 archive.org 地址，而不是原始地址。

Wayback 周边的馆藏

既然你已经在这个网站上了，图书馆的其余部分也值得花十分钟看看。首页的图标按媒体类型对其进行了划分：

• 文本：数千万本扫描的书籍和文档，包括 Open Library 的借阅和免费的公共领域下载。
• 音频：Live Music Archive 的音乐会录音、老式广播、播客和数字化的 78 转唱片。
• 视频：带有可搜索字幕的电视新闻存档，以及内容奇特有趣的 Prelinger 教育和工业电影合集。
• 软件：数千款可在浏览器模拟器中运行的 MS-DOS、街机和主机游戏。建议先空出一个下午的时间。

每个馆藏都有自己的搜索和筛选功能，而且与网页部分不同的是，它们提供了丰富的下载选项。

各馆藏之间的交叉链接也做得很好。一本扫描的计算机杂志可能会评论一个程序，然后你可以在模拟器中启动该程序；电视新闻字幕只需点击一下即可查看相关的网页快照。在这里漫无目的地浏览会有意想不到的收获。

Archive.org 上的 Wayback Machine 无法提供的东西

Archive.org 的网页部分是为浏览而构建的，当你把它当作文件来源时，它的局限性很快就会显现。快照无法批量下载。表单、搜索框和登录功能都是无效的, 存档只存储 GET 响应，而不是会话。登录后才能访问的内容从未被抓取过。所有者可以要求排除，因此某些域名是应要求而缺席的。而从 2010 年代中期开始，大量使用 JavaScript 的页面通常只抓取到了一个加载图标。

一个具体的案例：一个拥有 40,000 个帖子的 2009 年 phpBB 论坛。Wayback 显示了分散在多年快照中的公开帖子。浏览器的“另存为”生成的页面带有被重写的 archive.org URL，缺少头像，并且没有附件。将 wget 指向 web.archive.org 速度很慢，有速率限制，而且除非你自己重写每个 URL，否则它给你的仍然是经过 Wayback 包装的 HTML。这相当于每个子论坛都要花一整晚的时间，结果还是一团糟。

带走真实文件

当目标是重新发布或保留本地副本时，请使用专门的提取工具。Restorix 会从 Wayback 中提取域名的存档版本，并将其重建为干净的文件。免费评估会在你支付任何费用之前，为你提供确切的存档文件数量、总大小和锁定的价格。然后，你可以按恢复的文件数量付费, 第一个文件免费，且没有任何订阅费用, 清理选项可以剥离旧的跟踪器、广告和 iframe，将内部链接设为相对路径，并将网站转换为 HTTPS。你可以下载结果，将文章导出为 XML、CSV 或 JSON，或者直接部署到你的主机上，其中包含一个小型内置 CMS。

如需完整的下载工作流程，从 Archive.org 下载网站 指南会逐步引导你完成操作，而 Wayback downloader 文章则比较了主要的方法。

Wayback Machine Archive.org 速查表

收藏好这些内容, 它涵盖了人们对该网站最常问的问题：