2019年10月31日

忘了備份要如何救回部落格網站文章內容、圖片

忘了備份要如何救回部落格網站文章內容、圖片

Wayne Fu 0 A+
web-page-recover-content-image-wayback-machine.jpg-忘了備份要如何救回部落格網站文章內容、圖片最近接到一個比較罕見的需求,案主表示 Blogger 每篇文章設定的「搜尋說明」(可參考「Blogger 文章設定」→「六、搜尋說明」),在今年 5~6 月間的文章都不見了,詢問有沒有辦法可以救回。

以前曾寫過「Blogger 網站消失」、「Blogger 文章誤刪」的案例,這次的案例看起來比較輕微一些,至少文章還在,只是某些資訊消失了。

由於之前的案例發生在 4~5 年前,當時還不知道「Wayback Machine」(網站時光機)這個網路服務,否則的話,這個超強的網路服務有機會可以救回所有不見的網頁內容,可以說是目前最強的網頁救援武器

當然,建立網頁備份的觀念才是終極解決方案,但是網頁會急著需要救援一定都是還沒想到要備份之下發生的憾事,那麼本篇就來看看如何操作這個工具。




一、網站時光機 Wayback Machine


1. 簡介

可參考 Wiki 的介紹「網站時光機」,這是一個非營利組織「網際網路檔案館」提供的服務,創辦人希望為網際網路提供「普遍取得所有知識」的途徑。

構想十分偉大,因為無償需要用來儲存的伺服器空間非常巨大,該網站進入後就有個 DONATE 按鈕,WFU 因為靠這個網站救回一些重要資料,也曾贊助過表達一點心意。


2. 教學文章參考

「免費資源網路社群」曾寫過這篇「Wayback Machine 網站時光機帶你重溫那些年」,除了簡單介紹這個網站,也提供了「網頁備份」的操作步驟教學心得。


3. 優缺點說明

有的站長或許習慣使用 Google 搜尋結果的「庫存頁面」功能來救援網頁,不過「庫存頁面」能做到的其實有限,否則 WFU 也不會對 Wayback Machine 心存感激了。Google 庫存頁面的優缺點在於:

  • 索引速度會比 Wayback Machine 快
  • 但只有一個版本,所以只會保留最新庫存頁面狀態
  • 萬一要救援的網頁內容,最新狀態已經被 Google 索引,也就是錯誤的頁面內容已經被索引,那麼就看不到以前的正確頁面內容了
  • 所以救援網頁要靠「庫存頁面」的話,手腳必須比 Google 還快才行


而 Wayback Machine 雖然是目前最強的工具,也不代表他可以 100% 救回所有頁面,因為:

  • NGO 資源畢竟有限,不會保存世界上所有網頁
  • 越熱門的網頁,Wayback Machine 的更新會越頻繁、保留的版本數也越多
  • 不熱門的網頁,說不定只會有一個版本
  • 也可能某些低流量的網頁,完全不會被 Wayback Machine 收錄



二、如何救回完整網頁內容


首先拿一篇文章當範例,說明如何利用 Wayback Machine 找回文章內容。我從 10 月的文章一路測試到 7 月底,終於找到三個月前有被收錄的文章,代表 Wayback Machine 索引速度很慢。

1. 取得網頁快取內容

範例文章為這篇「Adsense 申請 + 廣告無法顯示的各種疑難雜症整理」,在 Wayback Machine 首頁輸入該篇網址:


web-page-recover-content-image-wayback-machine-1.jpg-忘了備份要如何救回部落格網站文章內容、圖片

  • A:輸入要救回的網址
  • B:如果有被收錄的話,記下這裡的收錄日期
  • C:在月曆找到對應的日期,滑鼠移到日期上
  • D:會出現收錄的時間點,點擊這個連結,會出現快取頁面


2. 取得網頁內容

web-page-recover-content-image-wayback-machine-2.jpg-忘了備份要如何救回部落格網站文章內容、圖片

上圖是快取頁面,如果只是要取得純文字,那麼直接從頁面上選取、複製即可。

如果要取得 HTML 碼的話,有兩種方式:

  • 按滑鼠右鍵 → 檢視網頁原始碼 → 找到文章區塊的段落來複製
  • 使用瀏覽器,例如「Chrome 開發人員工具」,因為可以收合 HTML 內容,處理比較方便


3. 調整 HTML 內容

web-page-recover-content-image-wayback-machine-3.jpg-忘了備份要如何救回部落格網站文章內容、圖片

並不是拿到快取頁面的 HTML 就能直接拿來用,因為裡面的連結全部被加上特定的字串,必須一一去除。請見上圖:

  • 所有紅色底線的地方,可看出圖片網址或連結網址,前面都有 "http://web.archive.org/web/xxxxxxxxx" 這樣的字串
  • 將內容複製到文書處理軟體,用全部取代的方式,一一去除這些字串,留下原始的網址連結。
  • 紅框處可看到 <a name="more"></a>,原本是部落格文章「繼續閱讀」的程式碼,但被轉換成這樣的 HTML
  • 要把紅框處字串改成 <!--more--> 才能正確變成繼續閱讀標記

主要修改的地方有這些,改完才能將這些 HTML 碼貼回網站。



三、搭配 Feedly 使用


如果你的網站是部落格,那麼還有另一個救命仙丹「Feedly RSS 閱讀器」,只要有人訂閱過網站,Feedly 就會自動保留文章備份內容。

但 Feedly 不一定有 Wayback Machine 好用,以下是優缺點:

  • Feedly 大致是 2013 年左右接下 Google Reader 的位置
  • 在那個時間點之前的文章,伺服器多半沒有備份資料
  • 所以 Feedly 能保存的資料比較少
  • Feedly 網頁的內容會加料,不容易直接複製 HTML 碼
  • 只適合救回文字及(圖片)連結

因為 Wayback Machine 有可能某些網頁沒有收錄快取,那麼 Feedly 可能就會是那些頁面的救星



四、如何救回 Blogger 搜尋說明


回到開頭的案件,Blogger 每篇文章的「搜尋說明」,在頁面上是看不到這些內容的,那麼要如何找到「搜尋說明」呢?

在 Blogger 範本中,跟搜尋說明有關的 Blogger 語法是 data:blog.metaDescription,需要先到範本中看看,這個語法出現在範本中時的前後字串、段落是什麼,再到快取頁面尋找。

例如前面的範例網頁,網頁原始碼畫面如下:

web-page-recover-content-image-wayback-machine-4.jpg-忘了備份要如何救回部落格網站文章內容、圖片

  • 以這個案例來看,「搜尋說明」的相關語法出現在字串 og:description 附近
  • 上圖紅框標起來的字串,正是在 og:description 同一行的位置
  • 那麼這些字串就是當初所設定的「搜尋說明」字串



五、補充說明


從本篇的案例來看,如果不是自己手誤、不小心刪除文章的相關資訊,那麼很可能是 Blogger 伺服器的失誤,導致部分資訊消失。這件事告訴我們不可完全信任網路服務,站長們有必要自己執行備份的任務

經由本篇說明,我們可以了解到 Wayback Machine + Feedly 有辦法救回多數的頁面內容,但不一定是 100%。想要萬無一失的話,必須儘早養成備份網頁的習慣,而且是同步異地備份。

可參考「自動備份 Blogger 文章」,同時採取多個自動備份的方案,就比較不用擔心任何天災人禍了。


更多「網站工具」相關文章:
0 0
如這篇文章對你有幫助,歡迎「分享」到 FB、「追蹤」粉絲團、「訂閱」最新文章

沒有留言:

張貼留言注意事項:

◎ 勾選「通知我」可收到後續回覆的mail!
◎ 請在相關文章留言,與文章無關的主題可至「Blogger 社團」提問。
◎ 提問若無法提供足夠的資訊供判斷,可能會被無視。建議先參考這篇「Blogger 提問技巧及注意事項」。
◎ CSS 相關問題非免費諮詢,建議使用「Chrome 開發人員工具」尋找答案。
◎ 手機版相關問題請參考「Blogger 行動版範本的特質」→「三、行動版範本不一定能執行網頁版工具」。
◎ 非官方範本問題、或貴站為商業網站,請參考「Blogger 免費諮詢 + 付費諮詢
◎ 若是使用官方 RWD 範本,請參考「Blogger 推出全新自適應 RWD 官方範本及佈景主題」→ 不建議對範本進行修改!
◎ 若留言要輸入語法,"<"、">"這兩個符號請用其他符號代替,否則語法會消失!
◎ 為了過濾垃圾留言,所有留言不會即時發佈,請稍待片刻。
◎ 本站「已關閉自刪留言功能」。

TOP