Archiwum internetu pozwala sprawdzić, jak wyglądała strona przed zmianą właściciela, odzyskać historyczne adresy URL, przeanalizować usunięte treści i wykryć ślady spamu. Wayback Machine udostępnia ponad bilion zarchiwizowanych stron internetowych, a jej zasoby przekraczają 99 petabajtów skompresowanych danych[ F2]. Dla właściciela witryny i specjalisty SEO to narzędzie do podejmowania decyzji, szczególnie przed zakupem wygasłej domeny, odbudową serwisu lub planowaniem przekierowań.
Samo odnalezienie starej wersji strony nie wystarcza jednak do oceny jej historii. Trzeba umieć interpretować statusy HTTP, porównywać zawartość dokumentów i odróżniać naturalne zmiany serwisu od działań spamerskich. Archiwum może ujawnić problemy niewidoczne na aktualnej stronie, ale nie zastępuje pełnego audytu technicznego.
Spis treści
ToggleCzym jest archiwum internetu i jak działa Wayback Machine?
Internet Archive rozpoczęło archiwizowanie stron 10 maja 1996 roku. Publiczny interfejs Wayback Machine udostępniono 24 października 2001 roku dzięki Brewsterowi Kahle’owi i Bruce’owi Gilliatowi1.
Za pobieranie witryn odpowiada między innymi Heritrix, otwartoźródłowy robot napisany w Javie, którego pierwsza wersja pojawiła się w styczniu 2004 roku.
Zarchiwizowane zasoby przechowywane są w formacie WARC, zdefiniowanym przez normę ISO 28500:2017. Kontener zapisuje nie tylko zawartość strony, lecz również nagłówki HTTP, kody odpowiedzi i znaczniki czasu.
To istotna różnica względem zwykłego zrzutu ekranu. Archiwum internetu pozwala badać zarówno treść, jak i techniczne zachowanie witryny w przeszłości.
Jak odczytać datę archiwalnego zrzutu strony?
Wayback Machine identyfikuje zapisane wersje za pomocą znacznika czasu w formacie YYYYMMDDhhmmss. Przykładowo 20230514123000 oznacza 14 maja 2023 roku, godzinę 12:30:00 UTC2.
Dzięki temu możesz ustalić kolejność zmian i zestawić wersje serwisu sprzed jego przebudowy, wygaśnięcia domeny albo przejęcia przez nowego właściciela.
Nie traktuj jednak pojedynczej migawki jako kompletnego obrazu działalności witryny. Pokazuje ona stan uchwycony podczas konkretnej archiwizacji. Jeśli interesuje cię moment zmiany profilu działalności, porównaj sąsiednie dostępne zapisy.
Jak sprawdzić historię domeny w Wayback Machine?
Najprostsza analiza zaczyna się od wpisania domeny w wyszukiwarkę Wayback Machine i przejrzenia osi czasu. Zamiast otwierać przypadkowe migawki, szukaj momentów, w których zmieniały się tematyka, język, struktura adresów i sposób działania serwisu.
Wayback Machine: sprawdzanie historii domeny przed zakupem
Przed zakupem domeny przeprowadź kontrolę w następującej kolejności:
- Otwórz najstarsze i najnowsze dostępne wersje, a następnie porównaj zawartość z różnych okresów.
- Sprawdź, czy domena zachowała tematykę, czy pojawiały się na niej reklamy, przekierowania lub obcojęzyczne treści.
- Przeanalizuj historyczne podstrony, subdomeny i strukturę katalogów.
- Zweryfikuj wcześniejsze konfiguracje robots.txt i canonical.
- Zestaw historię witryny ze zmianami DNS oraz profilem linków przychodzących.
Historyczne rekordy A i NS możesz analizować w SecurityTrails oraz DomainTools, porównując zmiany infrastruktury z osią czasu archiwum.
W ten sposób łatwiej oddzielisz domenę z rzeczywistą historią tematyczną od adresu wielokrotnie wykorzystywanego do różnych projektów.
Przy takim audycie przydaje się także sprawdzanie domen i analiza historii właściciela adresu. Sama obecność dawnych artykułów nie mówi jeszcze wszystkiego o wiarygodności domeny.
Co oznaczają kolory okręgów w kalendarzu Archive.org?
Widok kalendarza Wayback Machine oznacza zrzuty kolorami zależnymi od klasy odpowiedzi HTTP3.
| Kolor okręgu | Status HTTP | Znaczenie podczas audytu |
|---|---|---|
| Niebieski | 2xx, np. 200 | Poprawna odpowiedź serwera3 |
| Zielony | 3xx, np. 301 lub 302 | Przekierowanie na inny adres3 |
| Pomarańczowy | 4xx, np. 404 lub 410 | Błąd po stronie żądania3 |
| Czerwony | 5xx, np. 500 lub 503 | Błąd serwera3 |
Wielkość okręgu odpowiada względnej liczbie prób indeksowania adresu danego dnia. Nagły wzrost może wskazywać na masowe generowanie spamowych podstron3.
Zwracaj uwagę również na długie przerwy między zapisami. Luki obejmujące 12-36 miesięcy mogą korelować z brakiem aktywnej delegacji DNS i utratą widoczności serwisu. Sam brak migawki nie dowodzi jednak konkretnej przyczyny niedostępności strony.
Jak znaleźć usunięte strony i odzyskać ich treść?
Archiwum internetu bywa pomocne po awarii WordPressa, przypadkowym usunięciu artykułów lub nieudanej migracji. Pozwala odtworzyć wcześniejszą strukturę serwisu i odzyskać informacje potrzebne do ponownego przygotowania dokumentów.
Odzyskiwanie usuniętych treści ze strony
Zacznij od sprawdzenia historycznych wersji konkretnego adresu. Jeśli artykuł był archiwizowany, przeanalizuj jego treść, nagłówki, odnośniki i elementy HTML.
Funkcja „Changes” umożliwia porównanie dwóch zapisów tego samego URL. Niebieski kolor oznacza treść dodaną, natomiast żółty wskazuje fragmenty usunięte w nowszej wersji.
To przydatne, kiedy artykuł nadal istnieje, ale podczas aktualizacji utracono jego istotne części.
Jeśli potrzebujesz oryginalnego kodu, skorzystaj z modyfikatora id_ dodanego bezpośrednio po znaczniku czasu. Wayback Machine zwróci wtedy surową zawartość bez własnego paska nawigacyjnego i bez modyfikowania ścieżek hiperłączy.
Tak pobrany dokument pozwala odzyskać elementy <title> i <meta name=”description”>, potrzebne do odtworzenia historycznej konfiguracji metadanych.
Przed publikacją sprawdź również znacznik canonical. Jeżeli nadal wskazuje starą domenę albo adres HTTP, trzeba go dostosować do nowego środowiska HTTPS.
Odzyskany materiał może stanowić punkt wyjścia do dalszej pracy nad strukturą i językiem strony. Pomocne będzie tu podejście opisane w artykule o optymalizacji treści pod kątem NLP.
Dlaczego archiwalna strona React lub Angular jest pusta?
Nie każda witryna została zapisana z widoczną treścią.
Heritrix pobiera przede wszystkim HTML dostarczany przez serwer, bez pełnego renderowania JavaScript. Dlatego aplikacje wykorzystujące Client-Side Rendering, między innymi w React, Vue i Angular, mogą występować w archiwum jako puste szablony2.
Alternatywą jest Archive.today, który renderuje JavaScript w silniku przeglądarki i zapisuje wizualną kopię strony w PNG.
Jeżeli Wayback Machine pokazuje pustą zawartość, nie zakładaj od razu, że historyczna witryna rzeczywiście była pusta. Problem może wynikać ze sposobu archiwizacji.
Jak wyciągnąć listę adresów URL przez CDX Server API?
Przy większych witrynach ręczne przeglądanie kalendarza szybko przestaje mieć sens. Znacznie wygodniejsze jest CDX Server API, które udostępnia metadane zarchiwizowanych adresów bez konieczności pobierania całych kontenerów WARC4.
Jak pobrać pełną listę historycznych podstron?
Przygotuj zapytanie CDX z parametrem domeny oraz filtrami ograniczającymi wyniki do poprawnych dokumentów HTML.
Najważniejsze elementy zapytania to:
- matchType=domain: przeszukuje domenę wraz z subdomenami4.
- filter=statuscode:200: pozostawia zrzuty zakończone odpowiedzią HTTP 2004.
- filter=mimetype:text/html: eliminuje obrazy, CSS i JavaScript4.
- collapse=urlkey: zwraca unikalny rekord dla każdego adresu URL4.
- fl=original: wybiera oryginalny adres z zestawu pól metadanych4.
Połączenie tych parametrów pozwala przygotować listę historycznych dokumentów HTML, którą wykorzystasz podczas analizy architektury serwisu4.
Pamiętaj o zakresie dopasowania. exact dotyczy konkretnego adresu, prefix obejmuje podstrony wskazanej ścieżki, host ogranicza wyniki do hosta, a domain uwzględnia również subdomeny4.
Jak ograniczyć wyniki do wybranego okresu?
Parametry from=YYYYMMDD oraz to=YYYYMMDD pozwalają wyznaczyć przedział czasowy archiwizacji4.
Przy analizie wygasłej domeny możesz dzięki temu oddzielić pierwotną działalność serwisu od okresu po jego przejęciu.
Dla większych zbiorów wykorzystaj collapse=timestamp:8, aby ograniczyć wyniki do pierwszego zrzutu danego dnia4.
Jeżeli pobierasz kilkadziesiąt tysięcy adresów, mechanizm showResumeKey=true i późniejsze użycie resumeKey umożliwiają paginację wyników bez przeciążania pojedynczego zapytania4.
CDX obsługuje również zwykły tekst oraz JSON, więc dane można przygotować do dalszej analizy w dogodnej postaci4.
Jak przeprowadzić analizę przechwyconych domen wygasłych?
Przechwycona domena nie jest automatycznie wartościowa tylko dlatego, że ma długą historię. Najważniejsze jest ustalenie, do czego była używana, jakie treści publikowano i czy zachowała spójność tematyczną.
Analiza przechwyconych domen wygasłych pod kątem spamu
Pierwszym sygnałem ostrzegawczym jest radykalna zmiana języka. Przejście z polskiego na japoński, chiński albo rosyjski, połączone z masowym pojawieniem się obcojęzycznych podstron, wskazuje na ataki Japanese Keyword Spam lub Pharma Hack.
Sprawdź również historyczne przekierowania. Znacznik <meta http-equiv=”refresh”> z natychmiastowym przejściem na zewnętrzny adres może świadczyć o wykorzystywaniu domeny do agresywnego przekierowywania ruchu.
Inny problem stanowią prywatne sieci blogów PBN. Charakterystyczny scenariusz to zastąpienie rozbudowanego serwisu prostym blogiem WordPress z niewielką liczbą sztucznych artykułów i komercyjnymi linkami exact-match.
Przeanalizuj również subdomeny. Parametr matchType=domain pomaga ujawnić masowo tworzone adresy oparte na wildcard DNS.
Pomocna jest zakładka „Site Map”, prezentująca strukturę katalogów w diagramie sunburst. Widok „URLs” umożliwia natomiast filtrowanie archiwalnych zasobów według rozszerzeń, również podczas poszukiwania potencjalnie złośliwych plików.
Czy zakup wygasłej domeny narusza zasady Google?
Sam zakup domeny nie stanowi istoty problemu. Google Search Central wprowadziło w marcu 2024 roku politykę „Expired domain abuse”, obejmującą wykorzystywanie dawnej reputacji wygasłych domen do publikowania treści niskiej jakości5.
Wśród przykładów Google wskazuje serwis kasynowy na dawnej domenie szkoły, komercyjne produkty medyczne na domenie fundacji oraz spam afiliacyjny na witrynie rządowej5.
Nie zakładaj, że historyczny profil linków automatycznie zapewni widoczność nowemu projektowi. Mechanizmy Google mogą dewaluować dawne sygnały rankingowe po zmianie właściciela i tematyki5.
Po przejęciu domeny sprawdź raport „Ręczne działania” w Google Search Console. Pokazuje on sankcje nałożone przez zespół Google za naruszenia zasad.
Istotne jest też stanowisko Johna Muellera: nie istnieje techniczny przycisk pozwalający nowemu właścicielowi wyczyścić historię algorytmicznych problemów domeny.
Jak przygotować przekierowania 301 z archiwalnych adresów?
Odzyskanie historycznej struktury URL daje podstawę do zaplanowania migracji, ale nie oznacza, że każdy dawny adres należy przekierować.
Jak stworzyć mapę przekierowań w Screaming Frog?
Zaimportuj listę historycznych adresów do Screaming Frog SEO Spider, korzystając z Mode > List. Narzędzie sprawdzi ich aktualne odpowiedzi HTTP.
Następnie włącz Configuration > Spider > Advanced > Always Follow Redirects i przeanalizuj raport Reports > Redirects > Redirect Chains, który pomaga wykrywać łańcuchy oraz pętle przekierowań.
Dla niedostępnych adresów przygotuj matrycę przekierowań, w której stary URL otrzyma bezpośredni odpowiednik o tej samej tematyce i intencji wyszukiwania6.
Priorytety możesz ustalać, zestawiając historyczne adresy z raportem „Best by Links” w Ahrefs. Liczba domen odsyłających pomaga zidentyfikować dokumenty wymagające szczególnej uwagi.
Jeżeli odbudowujesz serwis obsługujący różne miasta, zadbaj o zachowanie kontekstu geograficznego. Pomocne mogą być lokalne strony docelowe zoptymalizowane pod konkretne lokalizacje.
Jakich błędów unikać przy przekierowaniach?
Nie kieruj wszystkich usuniętych artykułów na stronę główną. Google może interpretować takie zachowanie jako Soft 404 i nie przekazywać oczekiwanych sygnałów linkowych7.
Przekierowania powinny prowadzić bezpośrednio do właściwych dokumentów. Googlebot obsługuje do 10 kolejnych przeskoków, ale dokumentacja zaleca ograniczanie długości łańcuchów i stosowanie prostych ścieżek6.
Przy migracji Google zaleca utrzymywanie stałych przekierowań 301 lub 308 przez co najmniej rok6.
Jeśli usunięty dokument nie ma odpowiednika, odpowiedź HTTP 410 informuje o trwałym usunięciu zasobu i może przyspieszyć jego wycofanie z indeksu względem statusu 4047.
Czy można pobrać całe archiwum strony internetowej?
Ręczne zapisywanie kolejnych podstron jest niewygodne przy rozbudowanych projektach. Do masowego pobierania archiwalnych zasobów służą między innymi wayback_machine_downloader oraz waybackpack.
Pierwsze narzędzie, napisane w Ruby, obsługuje ograniczanie zakresu dat flagami -f i -t, pobieranie wielowątkowe oraz filtrowanie adresów wyrażeniami regularnymi.
waybackpack, rozwijany dla Pythona, oferuje między innymi opcję –raw, pozwalającą zachować zawartość bez modyfikacji silnika Wayback Machine.
Jak pobrać czysty HTML bez paska Wayback Machine?
Jeżeli interesuje cię konkretny dokument, modyfikator id_ umożliwia pobranie jego oryginalnej zawartości bez dodatkowego kodu interfejsu archiwum.
Przy analizie innych zasobów dostępne są modyfikatory js_, cs_, im_ i if_, odpowiadające JavaScript, CSS, obrazom oraz dokumentom osadzanym w iframe.
Gdy potrzebujesz wyłącznie tekstu z dużych zbiorów stron, alternatywą może być Common Crawl, udostępniający pliki WET z oczyszczoną treścią oraz WAT z metadanymi.
Pobranie technicznej kopii nie oznacza jednak uzyskania prawa do jej ponownej publikacji. To szczególnie istotne przy odbudowywaniu przechwyconych domen.
Czy archiwum internetu można usunąć i czy wolno kopiować jego treści?
Historia widoczna w Wayback Machine może zawierać materiały, których obecny właściciel domeny nie chce publicznie udostępniać. Warto rozróżnić możliwość wycofania archiwalnego zapisu od praw do jego zawartości.
Czy da się usunąć stronę z Wayback Machine?
Internet Archive nie interpretuje dyrektyw noarchive umieszczanych w metatagach HTML ani w nagłówku X-Robots-Tag. Procedura usuwania historycznych zapisów wymaga kontaktu z info@archive.org oraz weryfikacji uprawnień do domeny.
Od kwietnia 2017 roku Internet Archive nie ukrywa automatycznie wcześniejszych zapisów wyłącznie na podstawie nowych reguł robots.txt wprowadzonych przez kolejnych właścicieli.
Jeżeli problem dotyczy danych osobowych, art. 17 RODO przewiduje prawo żądania ich usunięcia, z uwzględnieniem przesłanek i ograniczeń wynikających z rozporządzenia.
Czy odzyskane artykuły można opublikować na nowej domenie?
Zakup wygasłej domeny nie przenosi praw autorskich do dawnych artykułów i zdjęć. Wynika to z zasad ochrony autorskich praw majątkowych przewidzianych w polskiej ustawie o prawie autorskim i prawach pokrewnych8.
Autorskie prawa osobiste są również niezbywalne i bezterminowe. Nie możesz więc przypisywać sobie autorstwa materiałów odzyskanych z cudzego serwisu8.
W praktyce archiwum internetu najlepiej traktować jako dokumentację historyczną. Możesz analizować dawne adresy, tematykę, strukturę nagłówków, przekierowania i sposób organizacji treści. Publikowanie cudzych utworów wymaga natomiast odpowiedniej podstawy prawnej.
Ta granica ma duże znaczenie przy odbudowie stron. Historia domeny może pomóc ci odzyskać wiedzę o serwisie, ale nie daje automatycznego prawa do przejęcia jego zawartości.
Źródła
Zweryfikowano: listopad 2026
Dane, daty i wyniki badań sprawdziliśmy w dokumentacji i publikacjach źródłowych wymienionych poniżej.
- Wayback Machine – WikipediaRaportWikipediaen.wikipedia.org
- Wayback Machine APIs | Internet ArchiveRaportArchivearchive.org
- Internet Archive Help Center How can we help you?RaportArchivearchive.org
- wayback/wayback-cdx-server at master · internetarchive/wayback · GitHubRaportGithubgithub.com
- Zasady dotyczące spamu w wyszukiwarce GoogleDokumentacjaGoogle Search Centraldevelopers.google.com
- Przenoszenie witryny i migracjaDokumentacjaGoogle Search Centraldevelopers.google.com
- Jak kody stanu HTTP wpływają na roboty Google | Infrastruktura indeksowania Google | Crawling infrastructure | Google for DevelopersDokumentacjaGoogle Search Centraldevelopers.google.com
- isap.sejm.gov.plRaportGovisap.sejm.gov.pl
Najczęściej zadawane pytania
Jaki robot odpowiada za pobieranie stron w Wayback Machine?
Za pobieranie witryn odpowiada między innymi robot Heritrix, stworzony w języku Java i udostępniony w styczniu 2004 roku. Zarchiwizowane zasoby trafiają do kontenerów w formacie WARC, który definiuje norma ISO 28500:2017. Pliki te zapisują pełną zawartość strony wraz ze znacznikami czasu oraz nagłówkami HTTP.
Co sygnalizuje nagły wzrost wielkości okręgu w kalendarzu archiwum?
Wielkość okręgu w kalendarzu odzwierciedla względną liczbę prób indeksowania danego adresu w wybranym dniu. Nagłe powiększenie punktu może wskazywać na masowe generowanie podstron o charakterze spamerskim. Z kolei długie luki obejmujące od 12 do 36 miesięcy często korelują z brakiem aktywnej delegacji DNS.
Kiedy Google uznaje historię wygasłej domeny za nadużycie?
Wprowadzona w marcu 2024 roku polityka Expired domain abuse dotyczy wykorzystywania dawnej reputacji adresu do publikowania treści niskiej jakości. Jako przykłady wyszukiwarka wymienia kasyna na dawnych domenach szkół lub produkty medyczne na stronach fundacji. W takich przypadkach algorytmy mogą dewaluować historyczne sygnały rankingowe po zmianie profilu witryny.
Jak długo należy utrzymywać przekierowania 301 po przeniesieniu serwisu?
Google zaleca utrzymywanie stałych przekierowań 301 lub 308 przez co najmniej rok. Robot indeksujący obsługuje do 10 kolejnych przeskoków, ale dokumentacja sugeruje unikanie długich łańcuchów. W przypadku trwale usuniętych dokumentów bez nowego odpowiednika zaleca się kod HTTP 410 przyspieszający wycofanie z indeksu.
Czy nowe reguły w pliku robots.txt usuwają dawne migawki z Wayback Machine?
Od kwietnia 2017 roku Internet Archive nie ukrywa automatycznie wcześniejszych zapisów na podstawie reguł w pliku robots.txt. Archiwum nie interpretuje także dyrektyw noarchive umieszczanych w kodzie HTML lub w nagłówkach odpowiedzi serwera. Skuteczne usunięcie danych wymaga bezpośredniego kontaktu mailowego z info@archive.org i weryfikacji praw do domeny.

