náhled|Nejrozšířenejším archivačním vyhledávačem je služba Wayback Machine Archivace internetu je proces sbírání části obsahu internetu a zajištění, že sbírané objekty jsou dlouhodobě uchovávány a zpřístupňovány pro budoucí badatele, historiky a veřejnost. Archivování internetu se obvykle provádí automaticky pomocí robotu (Web crawler). Největší institucí, která se archivací internetu zabývá, je Internet Archive, v česku Webarchiv.
Historie Roku 1996 založil Brewster Kahle neziskovou organizaci Internet Archive pro poskytování trvalého přístupu k historickým sbírkám digitálních materiálů. V roce 2001 služba nabídla vyhledávač zvaný Wayback Machine, který umožnil přístup k historickým verzím archivovaných webových stránek pomocí specifikovaných URL adres. V roce 2025 obsahoval Internet Archive přes 1 milliardu archivovaných stránek.
V České republice vznikla roku 2000 archivační služba pro české webové stránky Webarchiv. Od roku 2007 je součástí mezinárodního konsorcia IIPC (International Internet Preservation Consortium). náhled|282x282pixelů|Toto schéma ukazuje, jak archivační robot (Web crawler) sbírá z internetu data a potom je mění na trvalé záznamy, které si lidé mohou prohlížet jako v digitálním muzeu.
Získávání dat Podle metodiky Webarchivu NK ČR proces získávání dat (sklizně) zahrnuje tři hlavní způsoby: Celoplošné sklizně: automatizovaný sběr celé národní domény .cz. Probíhá zpravidla jednou ročně ve spolupráci se sdružením CZ.NIC. Výběrové sklizně: časté sklízení nejvýznamnějších zdrojů. Vyžaduje lidskou práci knihovníků při výběru a popisu dokumentů a spolupráci s vydavateli kvůli legislativě. Tematické sklizně: sběr zaměřený na konkrétní události (např. volby, olympijské hry), které mají v internetovém prostředí výraznou odezvu.
Sběr webu Archivují se obvykle všechny součásti obsahu internetu, včetně HTML, stylů CSS, JavaScriptu, digitálních obrázků a multimediálních souborů. Také se skladují metadata související s těmito objekty, jako jsou informace o tom, kdy byl objekt získán, jakého je typu, jakou technologií byl sklizen, jak je velký atp. Metadata jsou důležitá pro určení autenticity a původnosti dat.
Nejčastěji se internet sbírá pomocí robotů, které vidí stránky podobně jako uživatel. Používanými roboty jsou například BRJBot, Heritrix, HTTrack nebo Offline Explorer.
Odkazy
Reference
Literatura
Související články Webarchiv Internet Archive Archiv Internet Metadata Digitální knihovna Digitální repozitář DigitalPreservationEurope
Externí odkazy International Internet Preservation Consortium (IIPC) – International Web Archiving Workshop (IWAW) Library of Congress, Web Capture Web archiving bibliography Projekty: CyberCemetery Digital Archive of Chinese Studies Internet Memory Foundation (dříve European Archive Foundation) Hanzo Archives Internet Archive Portuguese Web Archive On-demand Web Archiver The Library of Congress, National Digital Information Infrastructure and Preservation Program UK Web Archiving Consortium Archivujem.cz - Archiv skončené inzerce
Kategorie:Internet Kategorie:World Wide Web Kategorie:Archivnictví Kategorie:Digitální knihovny