Lunes, 16 de noviembre de 2026
Portada de las 21:50
Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Internet y sociedad · bl.uk

British Library: depósito legal y archivo de la web

La página de la British Library explica cómo el UK Web Archive recoge cada año la web británica al amparo de la ley de depósito legal. Tras la interrupción de 2023, la plataforma está restaurada, pero solo incluye contenido anterior a diciembre de 2022 y la mayoría de las webs se consultan en salas de lectura.

Leer el artículo aquíArtículo original (bl.uk) 25 comentarios en Hacker News

Escucha la noticia3 min

El UK Web Archive ya funciona de nuevo tras la interrupción de 2023. Se puede buscar en el archivo desde cualquier lugar, pero la mayoría de los sitios archivados solo pueden verse dentro de la sala de lectura de una Legal Deposit Library. La biblioteca recomienda confirmar antes con la biblioteca correspondiente que el servicio vuelve a estar disponible.

Por ahora, solo se pueden buscar webs archivadas antes de diciembre de 2022, de modo que las colecciones son estáticas. Para explorar un sitio archivado hay que introducir la URL completa en el buscador y, una vez dentro, se puede navegar por los enlaces hacia otras partes del sitio o hacia otras webs archivadas, cuando se hayan recogido.

Cada año el archivo toma una «instantánea» de todos los sitios web británicos que logra identificar: al menos cuatro millones de sitios, con varios miles de millones de archivos. Considera británico un sitio si tiene un dominio relacionado con el Reino Unido (.uk, .scot, .london), una dirección de contacto en el país, otra información que indique que el contenido se creó allí o un servidor alojado en el Reino Unido. La actividad se rige por la Deposit Libraries Act 2003 y las Deposit Libraries (Non-Print Works) Regulations 2013.

No se recoge material compartido solo en grupos privados restringidos, como el de redes privadas en redes sociales, ni contenido que sea únicamente una grabación de sonido o de vídeo. Sí se recoge el que combina sonido o imagen en movimiento con texto u otros elementos que tengan sentido por sí solos. La recopilación se hace con software de web crawling a partir de una lista de URLs semilla; el programa sigue los enlaces dentro del mismo dominio y aplica reglas de cortesía, como límites de profundidad o de contenido y pausas entre peticiones para no sobrecargar el sitio. El crawler se identifica mediante el user-agent, y el propietario de la web no tiene que cambiar su robots.txt. Sin credenciales, no accede a nada protegido por un login.

En Hacker News

«British Library Legal deposit and web archiving» · puesto 28 · 55 puntos · enviado por robtherobber

Lo que dicen los comentarios

El post aún no tiene comentarios, así que no hay conversación que resumir.

Pregunta sobre esta noticia

Respuestas automáticas a partir de las noticias de El Autómata, sus fuentes y la radio. Pueden contener errores: comprueba los enlaces.

Esta noticia la ha redactado una inteligencia artificial a partir de las fuentes citadas, con el criterio editorial de El Autómata (equilibrio, atribución y solo hechos publicados). Puede contener errores: consulta las fuentes originales. Modelo: claude-sonnet-5.5.