Arkivering på nätet

Webarkivering avser insamling och permanent arkivering av onlinepublikationer i syfte att kunna erbjuda allmänheten och vetenskapen en inblick i det förflutna i framtiden. Resultatet av processen är ett webbarkiv .

Den största internationella anläggningen för webbarkivering är Internet Archive i San Francisco (USA), som ser sig som arkivet för hela World Wide Web. Statliga arkiv och bibliotek i många länder gör ansträngningar för att säkra nätverksposter i sitt område.

Från 1987 definierade de tyska arkivlagarna arkivering av digitala dokument som en obligatorisk uppgift för statsarkiven, men genomförandet av detta mandat har bara börjat. År 2006 antogs DNBG (lag om det tyska nationalbiblioteket), vilket utvidgar det tyska nationalbibliotekets mandat till att omfatta arkivering av webbplatser. Förbundsstaterna planerar sin juridiska insättning för att ändra -Gesetze i denna mening, eller ändringen har redan ägt rum.

Arkivera mål

Syftet med webbarkivering är att systematiskt kartlägga en definierad del av de webbpresentationer som finns tillgängliga på Internet. För detta ändamål måste en övergripande insamlingspolicy, ett urvalsförfarande och arkiveringsfrekvensen förtydligas i förväg.

En arkiverad webbplats med alla multimediafunktioner ( HTML -kod , formatmallar , JavaScript , bilder och video) bör bevaras på lång sikt. Metadata som härkomst , överföringstid, MIME -typ och omfattning av data används för efterföljande beskrivning, användning och bevarande . Metadata säkerställer äktheten och integriteten hos det digitala arkivmaterialet.

Efter övertagandet måste tekniska och juridiska försiktighetsåtgärder vidtas för att garantera konstant tillgänglighet för allmänheten och för att förhindra senare ändringar av arkivmaterialet.

Terminologi

Originalresurs
En originalkälla som för närvarande eller bör vara tillgänglig på Internet och för vilken åtkomst till ett tidigare tillstånd krävs.
Minne
Ett minne om en originalkälla är en resurs som inkapslar originalkällan för en källa vid en definierad tidpunkt.
TimeGate
En TimeGate är en resurs som, baserat på ett visst datum och tid, hittar det minne som bäst motsvarar denna tidsgräns.
TimeMap
En TimeMap är en resurs som skickar ut en lista över alla minnen som någonsin har skapats för den ursprungliga källan.

Valprocess

Ospecifik
I denna urvalsprocess skrivs gradvis en hel domän till ett arkiv. På grund av det stora minneskravet fungerar proceduren bara för mindre domäner (netarkivet.dk).
plocklista
En förteckning över institutioner bestäms i förväg. Stabiliteten hos URL: erna som är associerade med institutionerna måste kontrolleras regelbundet.
Användning av åtkomststatistik
I framtiden kan ”intelligent” skörd tänkas som, baserat på åtkomstantal, arkiverar de delar av webben (eller ett urval) som har särskilt höga åtkomsthastigheter.

Adoptionsmetoder

Fjärrskörd

Den vanligaste arkiveringsmetoden är att använda en sökrobot . En webbcrawler hämtar innehållet på en webbplats som en mänsklig användare och skriver resultaten till ett arkivobjekt. Mer exakt betyder detta en rekursiv sökning på webbplatser baserat på länkarna som finns på dem, utgående från ett visst startområde, som antingen kan vara en webbplats eller en lista över webbplatser som ska sökas. På grund av kvantitativa begränsningar, t.ex. på grund av varaktighet eller lagringsutrymme, är olika begränsningar (uppsägningsvillkor) med avseende på djup, domän och typer av filer som ska arkiveras möjliga.

I större projekt är utvärderingen av webbplatser för URL -ranking av särskild vikt. Under en genomsökningsprocess kan ett stort antal webbadresser ackumuleras, som sedan antingen bearbetas i en lista med FIFO -metoden eller som en prioritetskö . I det senare fallet kan webbplatserna föreställas i en högstruktur. Varje webbplats bildar sin egen hög och varje länk till en annan webbplats som finns på den utgör en underhög som representerar ett element i högen på den tidigare webbplatsen. Detta har också fördelen att vid en överfylld URL -lista ersätts de med lägst prioritet med nya poster först.

Den ursprungliga strukturen på servern kan dock sällan återges exakt i arkivet. För att kunna utesluta eventuella tekniska problem som kan uppstå i samband med spegling är det lämpligt att göra en analys av webbplatsen i förväg. Även om detta fördubblar datatrafiken i de flesta fall, förkortar det arbetstiden avsevärt vid fel.

Exempel på webbgenomsökare är:

Arkivera den dolda webben

Den dolda webben eller djupa webben hänvisar till databaser som ofta representerar det verkliga innehållet på en webbplats och som bara matas ut på begäran av en användare. Som ett resultat förändras webben ständigt och det verkar som om det är av oändlig storlek. Ett gränssnitt som mestadels är baserat på XML krävs för att ta över dessa databaser . Verktygen DeepArc ( Bibliothèque nationale de France ) och Xinq ( National Library of Australia ) har utvecklats för sådan åtkomst .

Transaktionsarkivering

Detta förfarande används för att arkivera resultaten av en webbplatsanvändningsprocess. Det är viktigt för anläggningar som måste visa bevis för deras användning av juridiska skäl. Förutsättningen är att ytterligare ett program installeras på webbservern.

Webbarkivering i Tyskland

På federal nivå har tyska nationalbiblioteket (DNB) haft det lagstadgade uppdraget för webbarkivering sedan 2006. Sedan 2012 har webbplatser arkiverats tematiskt och för vissa evenemang, dvs. selektivt och inte i sin helhet. DNB samarbetar med en extern tjänsteleverantör. Dessutom har alla DE -domäner genomsökts en gång under 2014 . Webbarkivet finns huvudsakligen tillgängligt i läsesalarna.

Utöver DNB: s webbarkivering finns det initiativ i olika delstater:

Det finns också andra webbarkiveringsinitiativ i Tyskland, till exempel från partiförbundna stiftelser , från SWR , från Deutsche Post eller från bioteknik / läkemedelsföretaget AbbVie .

Se även

Implementeringar

webb-länkar

Individuella bevis

  1. ↑ Steffen Fritz: Omskrivningshistoria. (PDF) med WARC -filer. Januari 2016, arkiverat från originalet den 9 november 2017 ; åtkomst den 9 november 2017 .
  2. ↑ a b c d RfC 7089 HTTP -ramverk för tidsbaserad åtkomst till resurstillstånd - Memento
  3. ↑ a b c d Memento Guide: Introduktion. Hämtad 5 oktober 2018 .
  4. ↑ Steffen Fritz: Övningsrapport: Procedur för utvärdering av arkiveringsbarhet för webbobjekt I: ABI Technik nr 2, 2015, s. 117–120. doi: 10.1515 / abitech-2015-0015
  5. ↑ Tobias Steinke: Arkivera det tyska internet? Mellan ett selektivt tillvägagångssätt och .de -domängenomsökning . Tyska nationalbiblioteket, 26 juni 2014 ( dnb.de [PDF]).
  6. ^ Felix Geisler, Wiebke Dannehl, Christian Keitel, Stefan Wolf: Om status för webbarkivering i Baden-Württemberg . I: Bibliotekstjänst . tejp 51 , nej. 6 , 1 juni 2017, ISSN  2194-9646 , sid. 481-489 , doi : 10.1515 / bd-2017-0051 ( degruyter.com [öppnas den 24 mars 2020]).
  7. ↑ Tobias Beinert: Webbarkivering på Bayerische Staatsbibliothek . I: Bibliotekstjänst . tejp 51 , nej. 6 , 1 juni 2017, ISSN  2194-9646 , sid. 490-499 , doi : 10.1515 / bd-2017 till 0052 ( degruyter.com [öppnas den 24 mars 2020]).
  8. ↑ Arbetsflödes webbarkivering i långsiktig arkivering vid Bayerische Staatsbibliothek | BABS. Hämtad 24 mars 2020 .
  9. ↑ Edoweb: Rheinland-Pfalz arkivserver för elektroniska dokument och webbplatser. Hämtad 24 mars 2020 .