چرا و چگونه وب‌سایت‌های محبوب خود را آرشیو کنیم؟ — If you love a website, back it up
خلاصه
این مقاله به اهمیت بایگانی شخصی وب‌سایت‌ها توسط توسعه‌دهندگان می‌پردازد تا از نابودی خاطرات و محتواهای قدیمی جلوگیری شود. همچنین ابزارهای استاندارد وب آرشیوینگ مانند WARC و WACZ و ابزارهایی نظیر ArchiveWeb.page و Browsertrix را معرفی می‌کند.
این روزها دیدن از دست رفتن وب‌سایت‌های قدیمی، فن‌سایت‌ها و وبلاگ‌های شخصی به یک اتفاق دردناک تبدیل شده است. بسیاری از سایت‌هایی که سال‌ها بدون تغییر آنلاین بودند، ناگهان ناپدید می‌شوند و دامنه‌های آن‌ها به دست سایت‌های تبلیغاتی یا شرط‌بندی می‌افتد. وابستگی کامل به ابزارهای بزرگی مثل Internet Archive کافی نیست و برنامه‌نویسان و توسعه‌دهندگان می‌توانند با ابزارهای مدرن، نقش مهمی در حفظ تاریخ وب داشته باشند.
استانداردهای زیربنایی: فرمت‌های WARC و WACZ
برای درک نحوه کار این ابزارها، شناخت ساختار ذخیره‌سازی اهمیت دارد. فرمت‌های استاندارد وب آرشیوینگ مانند WARC (پوشش‌دهنده کامل تمام درخواست‌ها و پاسخ‌های HTTP به همراه هدرها) امکان ضبط دقیق صفحات پیچیده مدرن با جاوا اسکریپت سمت کلاینت را فراهم می‌کنند. فرمت WACZ نیز فایل‌های WARC را به همراه فراداده‌های اضافی بسته‌بندی می‌کند تا به راحتی قابل اشتراک‌گذاری و بازپخش باشند.
ابزارهای شخصی‌سازی‌شده برای آرشیو وب
برای ذخیره صفحات و وب‌سایت‌ها، گزینه‌های متعددی از افزونه‌های مرورگر تا ابزارهای خزنده (Crawler) خودکار وجود دارد:
- افزونه مرورگر ArchiveWeb.page: یکی از ساده‌ترین راه‌ها برای Chrome یا نسخه اپلیکیشن مستقل آن. کافی است افزونه را نصب کنید، روی گزینه شروع آرشیو کلیک کنید، در صفحه مورد نظر گشت بزنید تا المان‌های تعاملی لود شوند و سپس آرشیو را متوقف کنید.
- ابزار Browsertrix: یک ابزار خودکار مبتنی بر مرورگر برای خزیدن در کل یک وب‌سایت یا دامین (Web Crawler). این ابزار به شما اجازه می‌دهد مشخص کنید دقیقاً چه بخش‌هایی از سایت (مثلاً دایرکتوری‌های خاص یا فقط یک صفحه به همراه لینک‌هایش) را ذخیره کند. این ابزار به صورت متن‌باز (Open Source) ارائه شده و نسخه‌های ابری یا قابل اجرا روی سیستم شخصی دارد.
بازپخش و نگهداری داده‌ها
فایل‌های خروجی WACZ به راحتی قابل بازپخش هستند. شما می‌توانید آن‌ها را در برنامه‌های مخصوص بارگذاری کنید یا حتی با استفاده از ویوآمبدد متن‌باز ReplayWeb.page، یک نسخه زنده از سایت آرشیو شده را مستقیماً داخل وبلاگ یا صفحه خود جاسازی کنید تا کاربران بدون نیاز به سرور خاصی، سایت قدیمی را مرور کنند.
نگاه جامعه توسعه‌دهندگان (هکرنیوز)
بحث‌های هکرنیوز نشان می‌دهد که مشکل «پوسیدگی بیت» یا همان Bit Rot چقدر فراگیر است و بسیاری از لینک‌های قدیمی به خطای 404 ختم می‌شوند. کاربران علاوه بر ابزارهای ذکر شده در مقاله، گزینه‌های دیگری مانند ابزار SingleFile برای ذخیره یک صفحه HTML به همراه تمام رسانه‌ها، ArchiveBox برای اتوماسیون کامل فرایند آرشیو، و ابزارهایی مانند wget را برای محتوای استاتیک پیشنهاد کرده‌اند. کاربران همچنین بر ارزشمند بودن وبِ غیرمتمرکزِ سال‌های دور در مقایسه با اینترنت فعلی تأکید کرده‌اند.
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل