Format Atlas

指南

Web归档交接与回放验证流程

交接WARC时,同时检查采集范围、依赖记录、索引和回放环境。这不同于解压ZIP,需要验证指定采集时间的页面能重现什么。

应该选择哪种格式?

根据文件在工作流程中的用途选择格式。

  • 记录采集范围与时间
  • 准备记录与索引
  • 在接收方测试回放

记录采集范围与时间

记录目标URL、采集时间、工具、设置,以及未采集或截断的内容。看到页面并不代表采集完成;还要检查图片、CSS、重定向和动态请求。

准备记录与索引

提供解析revisit记录原内容和分段记录所需的WARC文件。将索引与对应文件和采集时间对照;若需重建,附上接收方操作说明。

在接收方测试回放

用兼容工具选择代表性URL和时间,检查页面、图片、重定向和缺失。确认是否因读取当前Web而掩盖采集遗漏,并记录无法重现的行为和必要设置。

候选格式

WARC

适用于: 交换采集资源和采集元数据

不太适用于: 单独保证原网站的全部行为

导出前注意事项

  • 检查Cookie、认证响应、个人信息和请求正文,只在获准范围内共享。能够保存不等于获准公开。
  • 保留原记录、文件清单和校验和。在受控环境中回放;显示成功或哈希一致不保证完整性或安全。

指南

参考资料与规范