Часто задаваемые вопросы (FAQ)
О проекте
Кто вы?
Ruarxive (Национальный цифровой архив) — инициатива АНО «Инфокультура», основанная Иваном Бегтиным. Коротко о хронологии:
- архивация сайтов госорганов ведётся с начала 2010-х годов;
- с 2016 года архивы публикуются группами данных на hubofdata.ru;
- с 2017 года работает сайт проекта ruarxive.org;
- в марте 2022 года проект перезапущен и появился Telegram-канал @ruarxive (03.03.2022).
Подробнее — в истории проекта.
Это государственный проект?
Нет. Ruarxive — общественная некоммерческая инициатива АНО «Инфокультура», не являющаяся проектом органов власти.
Как финансируется проект?
Проект существует на частные пожертвования. Поддержать работу — оплату серверов и облачного хранения — можно через страницу Поддержать проект.
Об архивах
Чем отличается WARC от WACZ?
WARC — стандартный формат веб-архива (ISO 28500): последовательность записей с HTTP-запросами, ответами и метаданными. WACZ — ZIP-пакет, содержащий WARC-файлы, индекс и метаданные, удобный для воспроизведения в браузере. Подробнее: Глоссарий, Открытие WARC.
Где посмотреть, какие сайты уже сохранены?
В Таблице сохранённых проектов на AirTable и в файле allarchives.csv.
Можно ли использовать ваши архивы в коммерческих целях?
Тексты базы знаний публикуются под лицензией CC BY 4.0. Права на сами архивированные материалы принадлежат их правообладателям, и условия их использования определяются ими. См. Авторское право.
Что делать, если нужного сайта нет в каталоге?
Отправьте запрос на архивацию через GitHub или сообщите в Telegram-чат.
Об архивации
Какой инструмент выбрать новичку?
Для одной страницы — Save Page Now Internet Archive; Archive.ph — только как дополнительная копия. Для копии сайта в формате WARC — wget или Browsertrix. Подробнее: Быстрый старт.
Как архивировать Telegram-канал?
Свой чат или канал — экспортом Telegram Desktop, публичный канал целиком — загрузчиком tdl.
Все способы, включая скрипт на Telethon и снимок t.me/s/, — на странице Архивация Telegram.
Как архивировать большой сайт (десятки тыся ч страниц)?
Используйте Heritrix или Browsertrix. Для сайтов на WordPress —
wparc: он выгружает данные через REST API, а в
версии из репозитория на GitHub умеет и экспорт выгрузки в WARC (wparc warc; в
релизе 1.0.8 на PyPI этой команды нет).
Сайт уже исчез — что делать?
- Проверьте Wayback Machine и archive.today.
- Проверьте ArchiveTeam.
- Свяжитесь с бывшими владельцами.
- Напишите в чат — попробуем помочь.
Архив на сотни гигабайт. Как открыть одну страницу?
Не скачивайте WARC целиком, пока не посмотрите индекс. Для «Эха Москвы» CDX весит около 2,7 МБ, а WARC — 186 234 035 346 байт. Дальше: поиск по CDX и большие WARC.
archive.org не открывается. Где ещё искать?
Смотрите раздел «Доступ из России» на странице Internet Archive: там перечислены прошлые ограничения доступа и другие архивы (archive.today, национальные веб-архивы). Обход блокировок в инструкциях базы не описывается.
Как процитировать файл архива?
Образцы для русскоязычной работы, ГОСТ Р 7.0.100–2018 и BibTeX — на странице «Как цитировать». В ссылку входят название коллекции, дата сбора, URL файла и дата обращения.
Юридические вопросы
Это законно — собирать данные из соцсетей?
Ответ зависит от материала и способа сбора. Открытость поста не означает согласия на его копирование и распространение: с 01.03.2021 для распространения персональных данных нужно отдельное согласие субъекта (ст. 10.1 152-ФЗ). Подробнее: Персональные данные и Условия использования сервисов.
Я хочу, чтобы мои данные убрали из архива
Напишите на [email protected]. Мы рассматриваем запрос и отвечаем в течение 10 рабочих дней. Подробнее: Персональные данные.
Волонтёрство
Как стать волонтёром?
Прочтите Задачи для волонтёров и напишите в чат.
Нужны ли навыки программирования?
Не обязательно — есть задачи по разметке метаданных, верификации и описанию. Пример: метаданные архива «Эха Москвы».
Можно ли помочь деньгами или оборудованием?
Да. Подробнее на странице Поддержать проект.