Во что превращать WARC
WARC хранит обмен с сервером. Читать его как сайт или как офлайн-книгу умеют другие форматы. Ниже — переходы, которые в этой базе описаны рабочими командами. Исходный WARC после конвертации не уда ляют: производный файл можно собрать заново, а потерянный обмен — нет.
WACZ — тот же архив для плеера
WACZ не заменяет записи другим форматом. Это ZIP с теми же WARC, индексом и описанием коллекции. Его открывает ReplayWeb.page и можно положить на статический хостинг. Команды и ограничения — в гайде «WARC: от архива до публикации» и в справочнике WACZ.
ZIM — офлайн-чтение в Kiwix
warc2zim переносит записи WARC в ZIM. С версии 2.0 полученный файл открывается в Kiwix без service worker. Команды и версия 2.3.1 сверены на странице инструмента; здесь только развилка:
- WARC уже есть —
warc2zim; - сайта ещё нет и нужен сразу ZIM —
zimit(обход через Browsertrix и затем warc2zim).
Сайт, снятый без JavaScript, после конвертации не станет интерактивнее.
Статические HTML
warc2html — утилита Национальной библиотеки Австралии. Она раскладывает WARC в файлы и переписывает ссылки на относительные пути. Результат можно открыть с диска или с обычного веб-сервера. Формы, поиск по сайту и адреса, которых в архиве не было, работать не будут: это предел любого статического экспорта.
Отдельные файлы, не новый контейнер
PDF, изображения и другие тела ответов выгружаются как обычные файлы. Рецепт — «Медиа из WARC». Текст статей — извлечение текста. Это уже не веб-архи в: ссылки между страницами нужно хранить отдельной таблицей.
IIIF и другие специальные форматы
IIIF описывает отдачу изображений (обычно JPEG 2000 и пирамиды тайлов), а не упаковку HTTP-сессии. Готового перевода «WARC целиком → IIIF» в инструментах этой базы нет. Если в WARC лежат сканы, их сначала вытаскивают как файлы, проверяют как JP2 и уже затем описывают манифестом IIIF.
Почта в MBOX и базы в SIARD тоже не получаются из WARC одной командой. Их архивируют отдельно, если исходный ресурс — ящик или СУБД, а не сайт.
Как выбрать
| Задача | Формат |
|---|---|
| Открыть сайт в браузере локально или по ссылке | WACZ и ReplayWeb.page |
| Раздать копию без сервера плеера, в том числе офлайн | ZIM и Kiwix |
| Положить страницы на обычный хостинг файлов | warc2html |
| Разобрать документы и картинки | выгрузка файлов, WARC сохранить |
| Долгое хранение обмена с сервером | исходный WARC (и пакет BagIt, если так устроено хранилище) |