每天推送5篇优质英文文章 · By makers, for makers

运营 1173 天, 推荐好文 5,225 篇, 原创简评 1,070,505 字, 原文总阅读时间 45,955 分钟, 149,829 人订阅

未来研究我们这个时代历史的人必然要用到现在互联网上的信息。为了方便后人,现在我们需要把互联网上的哪些信息存下来?网站域名会过期、链接会失效、帖子会被删除,保存些什么、该怎么保存?

Internet Archive 的 Wayback Machine 保存了很多网页不同时期的样貌,但网站的 robots.txt 可以阻止他们爬虫的访问;互联网上大部分的信息是搜索引擎爬虫无法触及的。btw,Internet Archive 在旧金山的办公室附近有一家不错的麻辣香锅:)

分享到: