Как восстановить сайт из веб-архива

Веб-архив — это единственный источник контента, когда сайт удалён, хостинг потерял данные или доступ к серверу утрачен. Ниже — рабочий порядок действий, который выдерживает сайты на тысячи страниц, и границы, за которые этот способ не выходит.

Когда архив — единственный путь

Типичные ситуации, в которых других источников не остаётся:

• Хостинг потерял данные. Домен резолвится, сервер не отвечает, бэкапов нет — как это было с клиентами Beget после аварии 2 ноября 2026 года.
• Сайт удалён вместе с аккаунтом. Доступ к панели управления утрачен, оплата не продлевалась, файлы не сохранились.
• Нужна старая версия. Сайт живой, но требуется восстановить удалённый раздел или сравнить, что было год назад.
• Проект заброшен. Нужна копия для истории, переезда или передачи клиенту, а CMS и базы давно нет.

Если у вас есть полный бэкап хостинга — сначала восстанавливайте его, архив подождёт. Если бэкапа нет, порядок ниже — самый быстрый способ вернуть текст и структуру.

Что архив хранит, а что нет

Шаг 1. Проверить CDX-индекс

CDX — служебный интерфейс Internet Archive, который перечисляет все сохранённые записи по домену. Один запрос показывает, есть ли смысл вообще начинать:

https://web.archive.org/cdx/search/cdx?url=example.com&matchType=domain&output=json&limit=10&collapse=urlkey

В ответе будут поля timestamp (когда снят), original (адрес), mimetype (тип файла) и statuscode (код ответа). Ключевой параметр — collapse=urlkey: он схлопывает десятки снимков одного адреса до одной строки.

• Нет записей — восстанавливать нечего, ищите бэкапы.
• Есть только text/html — вернётся текст и структура, картинки, скорее всего, нет.
• Коды 301/302 в statuscode — снимок редиректа, а не страницы; берите другой год.

Ограничения на стороне архива: до 50 000 адресов на домен и постраничная выдача для больших сайтов. Если записей больше, часть придётся добирать отдельными запросами.

Шаг 2. Скачать страницы и файлы

Вручную это выглядит так: открываете https://web.archive.org/web/<timestamp>/<url>, сохраняете страницу, затем руками ищете стили и картинки. На сотне страниц это заканчивается через час.

Для автоматизации есть два важных правила.

1. Режим id_. Добавьте id_ после метки времени: …/web/20240101120000id_/https://example.com/. Тогда архив отдаст исходный файл без своей панели и без переписанных ссылок — иначе копия будет ссылаться обратно на архив, а не на ваши файлы.
2. Взять все типы файлов, а не только HTML. CDX отдаёт адреса CSS, JS, изображений и PDF — их нужно скачивать тем же проходом, иначе копия будет без стилей.

Дальше начинаются технические мелочи, из-за которых самодельные скрипты обычно и ломаются: лимиты архива (429 и 503), обрывы соединений, тысячи адресов, повторные загрузки при перезапуске. Именно это закрывает Site Restorer: инвентаризация через CDX, параллельная загрузка с адаптивной конкурентностью 2 → 24 потока, паузы на лимитах, докачка с места остановки.

Шаг 3. Собрать локальную копию

Скачанные файлы ещё не сайт. После загрузки нужно четыре преобразования:

• Ссылки. Абсолютные адреса https://example.com/catalog/ переписываются в относительные, иначе браузер уйдёт в интернет вместо локального файла.
• Кэш CMS. Имена вида styles_8f3a1c.css содержат хэш сборки: файла с таким именем в архиве может не быть. Правильная стратегия — подставить файл того же типа, а не оставить битую ссылку.
• Миниатюры. Адреса вида /resize_cache/…/500x500/… обычно отсутствуют, зато оригинал сохранён — его и надо подставить.
• Кодировки. Страницы 2010-х часто в windows-1251 или koi8-r. Их надо перекодировать в UTF-8 и поправить <meta charset>, иначе вместо текста будут кракозябры.

Отдельный случай — бинарники под расширением .html. В архиве под таким адресом может лежать JPEG или PDF; если декодировать его как текст, файл будет уничтожен. Проверять магию файла обязательно.

Шаг 4. Проверить и открыть

Хороший инструмент заканчивает работу отчётом: сколько адресов было в индексе, сколько скачано, сколько битых ссылок и какой объём копии. Это позволяет честно сказать заказчику, что вернулось, а что потеряно.

Открывать копию двойным кликом по index.html не стоит: ссылки вида /catalog/ в файловой системе не разрешаются. Поднимите локальный сервер:

cd Документы\SiteRestore\site
python -m http.server 8080
# http://127.0.0.1:8080/

Подойдёт любой статический сервер: Python здесь просто самый доступный вариант.

Сколько это занимает

Зависит от размера сайта и лимитов архива, а не от вашего интернета. Ориентиры:

Internet Archive ограничивает частоту запросов с одного IP, поэтому «ускорить» большие сайты можно только терпением и докачкой. Прерывание не страшно: уже скачанное повторно не запрашивается.

Чек-лист

• CDX показывает записи по домену и по типам файлов.
• Скачивание идёт в режиме id_, а не через панель архива.
• Скачаны HTML, CSS, JS, изображения и PDF.
• Ссылки переписаны в относительные, кэш CMS обработан.
• Кодировки приведены к UTF-8, бинарники под .html не испорчены.
• Есть отчёт: покрытие, объём, список битых ссылок.
• Копия открыта локальным сервером и проверена на трёх-четырёх типах страниц.

Частые вопросы

Можно ли восстановить сайт, если его нет в веб-архиве?

Нет. Если краулер Internet Archive ни разу не заходил на сайт, восстанавливать нечего. Остаются бэкапы хостинга, локальные копии у разработчика, кэш поисковых систем или письма с сохранёнными страницами.

Вернутся ли картинки товаров?

Только если архив их сохранил. Проверить просто: если в CDX нет ни одной записи для файла, его нет ни в одном снимке. В разобранном кейсе так потерялись 2 510 изображений — текст при этом уцелел на 98,2 %.

Будут ли работать корзина, вход и поиск?

Нет. Копия статическая: работают страницы, стили, скрипты и файлы. Всё, что требует серверной логики и базы данных, — нет.

Нужен ли Python?

Для скачивания и сборки — нет. Python нужен только для запуска простого локального сервера, но подойдёт любой статический сервер.

Законно ли это?

Восстанавливать свой сайт — да. Публиковать копию чужого сайта нельзя: контент защищён авторским правом, а у Internet Archive есть условия использования.

Смежные разборы

• Как скачать сайт из Wayback Machine — если нужен только набор файлов, без сборки и проверки ссылок.
• Хостинг потерял данные: первые часы — что сделать до того, как браться за архив.
• Сайт удалили — что проверить, если доступ к домену и почте ещё есть.
• Почему картинки и файлы не восстанавливаются — чего именно не хватает в копии
• Как проверить, что архив сохранил сайт — оценка полноты до начала работ
• CDX API: как получить все страницы — выгрузка списка адресов

This guide is also available in English.

Материал основан на практике восстановления сайтов из Internet Archive и на открытом коде Site Restorer. Цифры кейса — из разбора в репозитории.