Почему картинки и файлы не восстанавливаются из архива
Коротко
- Архив хранит ответы сервера, а не сайт. Краулер забирает страницу и то, что на ней реально запрашивается.
- Картинки часто не сохраняются: их грузят отложенно, отдают с CDN, закрывают в
robots.txtили просто не успевают. - Стили и скрипты сохраняются чаще, чем изображения: без них страница не отрендерится.
- Проверять надо до работ: один запрос в CDX по типу
image/показывает, сколько медиа вообще есть. - Возврат картинок — это бэкап, кэш, письма, каталоги поставщиков или новая съёмка; архив тут почти не помогает.
Самое частое разочарование после восстановления: страницы есть, текст на месте, а фотографии товаров — пустые рамки. Это не поломка инструмента и не ошибка настройки. Так устроен веб-архив, и лучше узнать об этом до начала работ, чем после.
Содержание
1. Как краулер обходит сайт
Краулер похож на браузер без глаз: он запрашивает страницу, разбирает разметку и идёт по ссылкам. Всё, что загружается позже — при прокрутке, по клику, скриптом — обычно остаётся вне обхода.
- Запрос страницы — сохраняется HTML.
- Разбор ссылок на стили, скрипты, изображения.
- Загрузка ресурсов — по возможности и по приоритету.
- Переход по внутренним ссылкам на другие страницы.
Четвёртый шаг повторяется, пока хватает бюджета обхода. Бюджет ограничен: один и тот же сайт нельзя обходить бесконечно, поэтому крупные каталоги сохраняются частично.
2. Почему изображения теряются
| Причина | Что происходит | Как распознать |
|---|---|---|
| Отложенная загрузка | картинка подставляется скриптом при прокрутке | в HTML есть data-src, а src пустой |
| Своя CDN | файлы живут на другом домене | адреса вида cdn.example.com или поддомен хранилища |
Закрыто в robots.txt | краулер не имеет права забирать каталог | правил для /upload/ или /images/ |
| Бюджет обхода | до медиа просто не дошла очередь | страницы есть, файлов рядом нет |
| Динамическая отдача | адрес картинки меняется при каждом запросе | параметры вида ?w=800&hash=… |
| Большие файлы | видео и архивы почти не сохраняются | в CDX нет строк с этим типом |
Практический вывод: чем «тяжелее» сайт и чем больше в нём динамики, тем меньше шансов на медиа. Простой статический сайт с обычными img src восстанавливается почти полностью.
3. Что обычно уцелевает
- HTML-страницы — основа всего; их сохраняют первыми.
- CSS и JS — часто целиком: без них страница выглядит сломанной, а архив старается отдавать рендерящиеся снимки.
- Иконки, логотипы, фоны — небольшие файлы из шаблона.
- Шрифты — иногда; чаще подставляются системные.
- Крупные изображения и PDF — редко, и почти никогда в полном объёме.
Поэтому восстановленная копия обычно «читается», но выглядит беднее оригинала: текст и вёрстка на месте, медиа — частично.
Сначала посмотреть, что уцелело
Site Restorer показывает отчёт по типам файлов: сколько страниц, картинок и стилей вернулось из архива.
Скачать4. Проверить до начала работ
Один запрос показывает, сколько изображений вообще сохранено:
https://web.archive.org/cdx/search/cdx?url=example.com&matchType=domain&output=csv&fl=original&filter=mimetype:image/.*&collapse=urlkeyСравните число строк с тем, сколько изображений на сайте по вашему ощущению. Если на тысячу страниц нашлось двадцать картинок — медиа потеряны почти полностью, и планировать восстановление из архива бессмысленно: нужен другой источник.
Проверка одной конкретной картинки — тот же запрос с точным адресом файла. Пустой ответ означает, что файла в архиве нет ни в одном снимке.
5. Откуда вернуть изображения
| Источник | Шанс | Что даёт |
|---|---|---|
| Бэкап хостинга или свой | высокий | всё, на дату копии |
| Копия у разработчика | средний | шаблон и часто весь upload |
| Каталоги поставщиков | средний | фото товаров в исходном качестве |
| Письма и презентации | низкий | отдельные файлы |
| Кэш поисковых систем | низкий | уменьшенные копии страниц |
| Повторная съёмка | гарантированный | новые фото, но не оригиналы |
Работающий приём для каталогов: соберите из архива список адресов картинок и попробуйте найти те же файлы у поставщиков по имени файла или артикулу. Совпадения бывают чаще, чем кажется.
6. Чтобы не повторилось
- Бэкап с медиа, а не только с базой. Проверяйте, что в архиве есть каталог загрузок.
- Храните оригиналы вне сайта: отдельный диск или облако, структура папок по датам.
- Не отдавайте картинки только через CDN без копии на основном сервере.
- Не закрывайте медиа в
robots.txt, если хотите, чтобы архив их сохранял. - Проверяйте бэкап раз в квартал: распаковка и открытие пары файлов — пятнадцать минут.
Частые вопросы
Можно ли восстановить картинки, если их нет в архиве?
Только из другого источника: бэкап, копия у подрядчика, каталоги поставщиков, письма. Архив отдаёт лишь то, что успел сохранить краулер.
Почему стили восстановились, а картинки нет?
Стили нужны для отображения страницы, их краулер забирает почти всегда. Изображения часто грузятся отложенно или с другого домена, поэтому в обход не попадают.
Есть ли смысл восстанавливать сайт без картинок?
Да, если важны текст, структура и адреса страниц: так сохраняется поисковый трафик и содержимое. Медиа добавляют позже, по мере находок.
Влияет ли robots.txt на сохранение в архив?
Да. Каталоги, закрытые от обхода, попадают в архив редко или не попадают вовсе — это одна из частых причин пропажи медиа.
Как проверить, сколько картинок сохранилось у моего сайта?
Один запрос к CDX с фильтром по типу image/. Если строк мало относительно числа страниц, медиа потеряны почти полностью.
Смежные разборы
- CDX API: как получить все страницы — как читать выгрузку по типам файлов
- Как скачать сайт из Wayback Machine — что именно попадает в загрузку
- Веб-архив или резервная копия — почему бэкап закрывает то, что архив не может
- Восстановление сайта на WordPress — где искать медиатеку
Сначала посмотреть, что уцелело
Site Restorer показывает отчёт по типам файлов: сколько страниц, картинок и стилей вернулось из архива.
Скачать для WindowsМатериал описывает публичные возможности Internet Archive и практику восстановления сайтов. Обновлено 10 ноября 2026.