OSZK Webarchívum
(nem nyilvános gyűjtemény)
Az Országos Széchényi Könyvtárban 2017-ben indult az a webarchiválási projekt, melynek eredményeként létrejött egy – elsősorban a technológia demonstrálására szolgáló – nyilvános gyűjtemény, valamint az előbbinél egy jóval nagyobb zárt archívum. A projekt honlapja és a nyilvános szolgáltatás a https://webarchivum.oszk.hu címen található, a zárt állomány pedig a http://webharvest.oszk.hu oldalon kereshető és böngészhető a webhely neve vagy URL címe szerint az alábbi űrlappal. A találati listából megnyitható az aratások során készült oldalképek nézegetője, valamint az OSZK webarchívumában található mentett anyag kétféle megjelenítővel: az OWB (Open Wayback) egy régebbi, még a hagyományos honlapok idején készült szoftver, a PyWb (Python Wayback) pedig egy modern, még fejlesztés alatt levő eszköz. Előfordulhat, hogy egy archivált weboldal eltérő módon jelenik meg az egyikben, mint a másikban. Először a PyWb-vel érdemes próbálkozni, mert az általában jobb eredményt ad. A két megjelenítő közvetlenül is elérhető a http://webharvest.oszk.hu/owb/wayback/ és a http://webharvest.oszk.hu/pywb/ címen.
Van még egy különgyűjtemény csak a Facebook oldalakról: http://webharvest.oszk.hu/facebook/ és egy másik a naponta archivált hírportálokról, amely teljes szöveggel is kereshető a Solrwayback programmal: https://hiroldalak.webharvest.oszk.hu/solrwayback/. Ugyancsak külön Solrwayback kereső használható a koronavírus járvány témájú részgyűjteményhez: https://koronavirus.webharvest.oszk.hu/solrwayback/, az orosz-ukrán konfliktussal kapcsolatos hírekhez: https://ukrajna.webharvest.oszk.hu/solrwayback/, és van egy a teljes archívumhoz is, de ez jelenleg eléggé lassú (különösen akkor, ha a duplumok kiszűrése céljából a GROUPED SEARCH opciót is bekapcsoljuk): https://webharvest.oszk.hu/solrwayback/. A teljes szövegű kereső találati listája nagyon „szemetes”, vannak benne különféle segédfájlok és olyan egyéb elemek, amelyek önmagukban nem érdekesek. Ezek valamennyire kiszűrhetők úgy, hogy a bal szélen levő opciók közül kiválasztjuk például a HTML formátumot, mert így csak a weboldalak jelennek meg.
A nyilvános és zárt archívumot alkotó részgyűjtemények, a különféle típusú aratások címlistái a https://webarchivum.oszk.hu/webarchivum/bongeszes/ oldalon böngészhetők. A terminálszerverről biztonsági okokból az OSZK hálózaton kívüli webszerverek nem érhetők el!
A terminálszerverhez kapcsolódó védett munkaállomásokról hozzáférhető az Internet Archive speciális keresője, melyet az OSZK számára alakított ki a világ legnagyobb webarchívuma. A https://webservices.archive.org/public/nww/hu/index-hu.html oldalon a .hu országdoménről 1996 óta lementett weboldalak és egyéb dokumentumok teljes szövegében lehet keresni. A szolgáltatás ismertetője itt található.
Fontos tudnivaló, hogy a webarchiválás nem úgy működik, mint az egyedi dokumentumoknál a "Mentés másként" parancs, a robottal aratott webhelyeknél a legritkább esetben sikerül pontos és teljes másolatot készíteni különféle technikai okok és a webszerveren beállított korlátozások miatt. Ráadásul a mentési problémákon túl a megjelenítés során is előfordulhatnak hibák. Ezért az archivált példányok gyakran hibásak és hiányosak, például szétesik a külalak, nem működnek egyes menüpontok és más interaktív funkciók, nem indulnak el a videók, a linkek hibaüzenetre visznek... Különösen igaz ez a webkettes szolgáltatásokra, a hírportálokra és a közösségi média oldalakra, melyek bonyolult és sűrűn változó technológiát használnak. A webarchívumokban felhalmozott fájlok sokkal inkább kutatási célokra alkalmasak, semmint a múltbéli web rekonstruálására.
Ezzel az űrlappal a zárt archívum tematikus és műfaji részgyűjteményeiben levő webhelyek nevében és/vagy URL címében lehet keresni. Ha mindkét mezőt kitöltjük, akkor csak olyan találatok jelennek meg, amelyekre mindkét feltétel teljesül. Mivel többféle cím- és névvariáció is előfordulhat, ezért az URL cím esetében a "http://" vagy "https://" előtagot, illetve a "www." aldoménnevet és az esetleges "index.html" vagy "index.php" stb. fájlnevet ne írjuk be, sőt általában a ".hu" országdomén is fölösleges. (Tehát például a "https://www.mek.oszk.hu/index.phtml" helyett elég csak erre rákeresni: "mek.oszk".) Ha pedig névre keresünk, akkor egy-két jellemző, egymás melletti szót kell megadni (pl. "elektronikus könyvtár"). Ez a kereső automatikus szótövezést használ, így a ragozott alakokat is megtalálja (pl. "Magyar Elektronikus Könyvtárért Egyesület").
A találati listában a vastag betűs sor a webhely neve, alatta pedig a központi és az esetleges alternatív URL címe látható (ha ez utóbbiból több is van, akkor csak az első). A következő sorban a szögletes zárójelben levő kód a részgyűjtemény rövid neve (a rövidítések feloldása itt található). A kerek zárójelben levő dátum pedig a részgyűjtemény utolsó aratásának időpontja. Ez nem feltétlenül jelenti azt, hogy magát a webhelyet is akkor archiváltuk legutóbb, mert ha ezen dátum után került bele a nyilvántartásunkba, akkor még nem készült róla mentés (bár webtér szintű aratásokba esetleg bekerülhetett). A találatok közt az aktuálisan aratott címlistában szereplő webhelyek mellett nem aratott, vagy már nem aratott tételek is megjelenhetnek. Előbbieket csak nyilvántartjuk, de valamilyen ok miatt nem mentjük (pl. extrém nagyok, vagy robottal nem bejárhatók, vagy más részgyűjtemény keretében archiváljuk). Utóbbiak pedig általában azért kapnak megszűnt státuszt, mert már eltűnt az illető webhely az internetről. Előfordulhat az is, hogy ugyanaz a webhely többször is megjelenik a listában, mert interdiszciplináris jellege miatt több helyen is nyilvántartjuk.
Ezzel az űrlappal a zárt archívumban található webtér szintű aratásba bekerült webhelyek saját, a legtöbb esetben automatikusan begyűjtött title adatában és/vagy URL címében lehet keresni. A kereső működése megegyezik a Részgyűjtemény keresőjével, de mivel az adatok összegyűjtése nagyrészt automatikus módszerekkel történt, ezért ez az adatbázis nagyon "szemetes", sok benne a már nem működő URL, a duplum, a hiányos vagy semmitmondó név.