Todos los periódicos y la radio, en unoEscrito por IA a partir de Hacker News · Cómo se hace
Hacker News
Internet y sociedad · blog.mistys-internet.website
Si te gusta una web, haz una copia de seguridad
Una archivista web cuenta cómo perdió teapuppies.com, una web de fans que llevaba años sin cambios y que ahora sirve anuncios de apuestas. Pide a los lectores que archiven por su cuenta las páginas que les importan y repasa tres herramientas sencillas para hacerlo.
1 medio · MadridPublicada 2 nov, 17:15Actualizada 3 nov, 08:00· Ya no está en portadaEscrita por IA · cómo funciona
La autora cuenta que le gusta volver a páginas antiguas que llevan años o décadas online sin cambios. Una de ellas era teapuppies.com, una web de fans de la serie de anime y línea de juguetes Ochaken, en línea desde 2004 y prácticamente sin tocar desde 2005. Hace unas semanas descubrió que la web había desaparecido y que el dominio se usa ahora para servir anuncios de apuestas online. Trabaja en archivo web, tenía las herramientas para haberla guardado y no lo hizo.
Su tesis es que archivar no es cosa exclusiva de grandes organizaciones como el Internet Archive. Cualquiera puede hacerlo con una web favorita, con información que no quiere perder o con una publicación concreta. Todas las herramientas que enseña usan formatos estándar como WARC, y la mayoría también WACZ, que empaqueta archivos WARC con metadatos adicionales. Como ejemplo, incrusta en el propio artículo una web archivada completa, navegable y descargable. Avisa de que las herramientas las hace la empresa para la que trabaja, aunque la mayoría son gratuitas.
La primera opción es la extensión de navegador ArchiveWeb.page, para Chrome. Sirve para una página, una web entera o un perfil de red social: se pulsa «Start Archiving», se visitan las páginas que se quieren guardar, se interactúa con los elementos dinámicos para que carguen sus datos y se pulsa «Stop Archiving». La segunda es la aplicación independiente archiveweb.page, que funciona igual pero lleva su propio navegador integrado, y es útil para quien no usa Chrome y para consultar los archivos en local.
La tercera es Browsertrix, un rastreador web (web crawler) pensado para sitios demasiado grandes para recorrerlos a mano. Se le indica la página de partida y qué debe visitar, y sigue los enlaces por su cuenta. Permite limitar el rastreo, por ejemplo a una sección concreta como /episodes/ o a una sola página y sus enlaces. Es una aplicación web y la única herramienta de pago del artículo, con siete días de prueba y cobro por uso, aunque al ser open source se puede alojar por cuenta propia. Para ver lo archivado sirve ReplayWeb.page, cuyo visor incrustable es open source. Como todo queda en un único archivo WACZ, es fácil guardarlo y repartir copias entre amigos.
«If you love a website, back it up» · puesto 20 · 618 puntos · enviado por ingve
Lo que dicen los comentarios
Los comentarios coinciden en que la podredumbre de enlaces es real y añaden otras herramientas: SingleFile para capturas rápidas, ArchiveBox para flujos más ambiciosos (aunque algunos usuarios dicen que les falla cada vez más con páginas complejas o protegidas por Cloudflare) y el visor Kiwix. También se habla de lo irregular que es la Wayback Machine, con webs enteras sin rastrear o excluidas después por el robots.txt de quien se queda con el dominio. Hay una voz escéptica: quien ha guardado copias durante años y luego nunca las ha consultado cree que a veces es mejor dejar ir las cosas. Otro comentario advierte de que los LLM en la nube podrían sustituir a la web abierta como fuente de información y pide conservar libros y webs; esa idea se discute en las respuestas, donde alguien la tacha de exagerada. Un participante dice que los agentes de programación facilitan crear herramientas de archivo a medida.
Me da pena ver cómo se pudren mis marcadores: intento abrir recursos importantes de hace pocos años y me encuentro un 404 o un dominio vacío. Y a menudo no hay nada en Archive.org ni similares.
ArchiveBox me molesta porque no permite capturar una página desde tu lado y subirla a tu instancia. Con tantas webs tras Cloudflare para frenar a los agentes de IA, capturar en el servidor es muy difícil o imposible.
La Wayback Machine es muy irregular. Vi una web muerta durante más de una década, archivada por completo, bloqueada de pronto por el robots.txt de quien ocupa ahora el dominio.
Aprendí por las malas: mantuve una web en Angelfire 20 años y un día desapareció. No encontré la copia de las fotos escaneadas a mano. Los archivos conservan los «huesos» de la web, pero no las fotos.
Hice copias de muchas cosas que quería y copias de las copias. Tras 15-25 años me di cuenta de que era una pérdida de tiempo: nunca las consulté, y acabé borrando las últimas.
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.