Để xem một trang web trông thế nào trong quá khứ, cách phổ biến nhất là dùng Wayback Machine của tổ chức phi lợi nhuận Internet Archive: nhập địa chỉ trang, chọn năm và ngày trên lịch, hệ thống hiện bản chụp đã lưu vào thời điểm đó. Khi Wayback Machine không có, có thể thử archive.today hoặc các kho lưu trữ web quốc gia. Để tự lưu một trang trước khi nó thay đổi, dùng chức năng lưu ngay (Save Page Now) của Wayback Machine hoặc nút lưu của archive.today.
Kỹ năng này hữu ích hơn nhiều người nghĩ: tìm lại văn bản đã bị gỡ khỏi cổng của cơ quan, kiểm một doanh nghiệp đã thay đổi cam kết, giá hay điều khoản ra sao, xác định một thông tin xuất hiện lần đầu khi nào, khôi phục nội dung trang của chính bạn sau sự cố, hay cứu một trích dẫn có đường dẫn đã chết.
Bài này trình bày cách tra hiệu quả, các kỹ thuật ít người biết, cơ chế khiến bản lưu có khi thiếu sót, và giới hạn khi muốn dùng bản lưu trữ làm bằng chứng.
Lưu trữ web hoạt động thế nào
Internet Archive được Brewster Kahle thành lập năm 1996 với mục tiêu lưu trữ web như một thư viện lưu giữ sách. Giao diện Wayback Machine cho công chúng truy cập kho này được mở năm 2001. Cơ chế cốt lõi là các chương trình thu thập tự động (crawler) đi theo liên kết, tải trang về và lưu kèm dấu thời gian. Một địa chỉ được lưu bao nhiêu lần phụ thuộc vào mức độ phổ biến, số liên kết trỏ tới nó và các chiến dịch thu thập riêng; trang chủ báo lớn có thể được chụp nhiều lần mỗi ngày, trong khi trang sâu của một website nhỏ có thể không bao giờ được lưu.
Điều quan trọng cần hiểu: mỗi bản chụp là tập hợp nhiều tệp được lưu ở những thời điểm có thể khác nhau. Trang HTML có thể được chụp ngày 3, còn ảnh và tệp định dạng được ghép từ bản chụp ngày 10 hoặc ngày 1. Vì vậy một bản lưu đôi khi hiển thị sự kết hợp không bao giờ thực sự tồn tại. Wayback Machine có cung cấp thông tin về thời điểm của từng tài nguyên; với việc cần độ chính xác cao, hãy kiểm phần đó.
Các trang dựng chủ yếu bằng JavaScript, trang cần đăng nhập, nội dung tải động khi cuộn và tệp lớn thường được lưu không đầy đủ. Trang có tệp chỉ dẫn yêu cầu không thu thập, hoặc chủ trang đã yêu cầu loại khỏi kho, cũng có thể không xem được. Ngoài Internet Archive, nhiều thư viện quốc gia vận hành chương trình lưu trữ web của nước mình, và archive.today lưu theo yêu cầu người dùng với cách chụp khác, đôi khi bắt được nội dung mà Wayback Machine bỏ sót.
Một lưu ý về độ bền: các kho này cũng có thể gián đoạn. Năm 2024 Internet Archive từng phải ngừng dịch vụ một thời gian sau sự cố an ninh mạng. Với tài liệu thật sự quan trọng, đừng coi một kho lưu trữ bên ngoài là bản sao duy nhất.
Tra phiên bản cũ của một trang, từng bước
Quy trình dưới đây giúp bạn đi từ "trang này đã bị xoá" tới bản lưu sát nhất với thời điểm cần.
- Nhập địa chỉ đầy đủ của trang cần tìm vào ô tìm kiếm của Wayback Machine. Nếu chỉ nhớ tên miền, nhập tên miền rồi đi xuống dần.
- Đọc thanh thời gian và lịch. Thanh trên cùng cho biết số bản chụp theo năm; lịch bên dưới đánh dấu ngày có bản chụp bằng vòng tròn, kích thước vòng tròn thể hiện số lần chụp trong ngày.
- Chọn bản sát thời điểm cần, rồi kiểm dấu thời gian trên thanh công cụ, vì hệ thống có thể chuyển bạn sang bản gần nhất chứ không đúng ngày bạn bấm.
- Nếu địa chỉ chính xác không có, thử biến thể: có và không có tiền tố www, http và https, có và không có dấu gạch chéo cuối, phiên bản di động của trang.
- Dùng tìm theo tiền tố: thêm dấu sao vào cuối tên miền trong ô tìm để liệt kê mọi địa chỉ đã lưu dưới tên miền đó, rồi lọc theo từ khoá. Đây là cách tìm lại trang con khi bạn không nhớ địa chỉ chính xác.
- Thử kho khác nếu vẫn không có: archive.today, kho lưu trữ web quốc gia, hoặc tìm tên tài liệu trên máy tìm kiếm vì có thể nơi khác đã đăng lại.
Với tài liệu PDF trên cổng cơ quan bị gỡ, kỹ thuật tìm theo tiền tố đặc biệt hiệu quả: liệt kê các địa chỉ dưới thư mục văn bản, lọc theo đuôi tệp, rồi mở từng bản. Nhiều văn bản tưởng đã "biến mất" vẫn còn trong kho theo cách này.
Những việc thực tế mà lưu trữ web giải quyết được
Dưới đây là các tình huống mà người làm pháp chế, báo chí, nghiên cứu, marketing và quản trị website thường gặp.
- Khôi phục trích dẫn chết. Các nghiên cứu về trích dẫn cho thấy phần đáng kể các đường dẫn trong bài báo khoa học và văn bản pháp lý bị hỏng sau vài năm, hiện tượng được gọi là "link rot". Khi trích dẫn tài liệu trên web, kèm luôn đường dẫn bản lưu là thực hành tốt.
- Kiểm lịch sử cam kết của đối tác. Trang giới thiệu doanh nghiệp, danh sách khách hàng, chứng nhận từng công bố có thay đổi bất thường không, ví dụ năm thành lập hay quy mô nhân sự bị sửa.
- Đối chiếu điều khoản, chính sách đã thay đổi. Điều khoản sử dụng, chính sách bảo hành, chính sách hoàn tiền tại thời điểm bạn giao dịch có thể khác bản hiện tại.
- Xác định thời điểm xuất hiện của một thông tin. Bản chụp sớm nhất chứa một tuyên bố cho bạn mốc "muộn nhất là ngày này nó đã tồn tại", hữu ích khi kiểm tin đồn hay tranh chấp quyền tác giả.
- Khôi phục nội dung website của chính mình sau khi mất dữ liệu hoặc hết hạn hosting; có công cụ tải hàng loạt từ kho, nhưng chỉ nên dùng với nội dung bạn có quyền.
- Nghiên cứu lịch sử ngành và đối thủ: thông điệp, sản phẩm, giá niêm yết đã đổi ra sao qua các năm.
Trong mọi trường hợp, ghi lại cả địa chỉ bản lưu (chứa dấu thời gian trong đó) chứ không chỉ chụp màn hình. Địa chỉ bản lưu cho phép người khác tự kiểm, còn ảnh chụp màn hình thì rất dễ bị nghi ngờ chỉnh sửa.
So sánh Wayback Machine và archive.today
Hai công cụ bổ sung cho nhau; người làm nghề thường dùng cả hai cho những trang quan trọng.
| Tiêu chí | Wayback Machine | archive.today |
|---|---|---|
| Đơn vị vận hành | Internet Archive, tổ chức phi lợi nhuận tại Hoa Kỳ | Dịch vụ do cá nhân vận hành, thông tin công khai hạn chế |
| Cách thu thập | Tự động quy mô lớn và lưu theo yêu cầu | Chủ yếu theo yêu cầu người dùng |
| Độ sâu lịch sử | Từ giữa thập niên 1990, hàng trăm tỷ trang | Từ năm 2012, ít hơn nhiều |
| Định dạng lưu | Lưu tệp gốc, có thể tương tác một phần | Lưu bản chụp tĩnh và ảnh, ổn định khi hiển thị lại |
| Trang động, mạng xã hội | Thường thiếu nội dung tải bằng JavaScript | Đôi khi bắt được tốt hơn vì chụp trang đã dựng xong |
| Gỡ nội dung | Có quy trình cho chủ sở hữu yêu cầu loại trừ | Chính sách ít minh bạch hơn |
Về độ tin cậy, Wayback Machine có lợi thế là tổ chức minh bạch, và đã từng cung cấp xác nhận cho các vụ việc pháp lý tại một số nước. archive.today hữu ích như kho thứ hai, nhưng với việc nghiêm túc nên ghi nhận cả hai và không phụ thuộc vào riêng nó.
Tự lưu trữ đúng cách trước khi trang thay đổi
Lưu ngay khi phát hiện. Nếu bạn nghĩ một trang có thể bị sửa hoặc gỡ, lưu ngay qua chức năng lưu trang của Wayback Machine và archive.today. Đừng đợi "khi cần mới lưu", vì lúc đó có thể đã muộn.
Lưu nhiều lớp. Ngoài bản lưu trên kho công khai, tự in trang ra PDF bằng trình duyệt (bản in ghi kèm địa chỉ và thời gian), tải các tệp đính kèm, và chụp màn hình toàn trang. Mỗi lớp bù cho điểm yếu của lớp khác.
Ghi siêu dữ liệu. Ghi địa chỉ, thời điểm truy cập, thiết bị và trình duyệt dùng, người thực hiện. Với nội dung quan trọng, tính mã băm của tệp đã lưu để chứng minh sau này tệp không bị sửa.
Lưu cả ngữ cảnh. Một bài đăng mạng xã hội cần cả trang hồ sơ người đăng, thời điểm đăng, phần bình luận nếu liên quan. Bản chụp chỉ có một đoạn chữ thường khó đánh giá.
Không thay chứng cứ chính thức. Với tranh chấp có khả năng ra toà, các hình thức xác lập chứng cứ có giá trị pháp lý cao hơn, như vi bằng do thừa phát lại lập ghi nhận nội dung trang web, thường được khuyến nghị. Kiểm quy định hiện hành về chứng cứ điện tử và hỏi luật sư.
Giới hạn khi dùng bản lưu trữ làm bằng chứng
Bản lưu trữ web cho thấy hệ thống lưu trữ đã thu thập được nội dung gì, vào lúc nào, từ địa chỉ nào. Nó không tự chứng minh ai là tác giả, nội dung có đúng sự thật không, hay mọi người dùng thời điểm đó đều thấy cùng một nội dung. Trang có thể hiển thị khác nhau theo vùng, thiết bị, trạng thái đăng nhập, và bản lưu chỉ phản ánh một góc nhìn của crawler.
Như đã nói, một bản chụp có thể là sự ghép nối các tài nguyên lưu ở thời điểm khác nhau. Nếu điểm tranh chấp nằm ở một ảnh, một bảng giá tải riêng, hay một đoạn hiển thị bằng script, cần kiểm thời điểm lưu của đúng tài nguyên đó chứ không chỉ dấu thời gian của trang.
Toà án ở một số nước đã chấp nhận bản lưu của Wayback Machine kèm xác nhận của Internet Archive hoặc lời khai của người có hiểu biết; ở nơi khác, toà yêu cầu chứng minh thêm. Ở Việt Nam, giá trị của dữ liệu điện tử làm chứng cứ được đánh giá theo quy định về chứng cứ và giao dịch điện tử, với yêu cầu về tính toàn vẹn và nguồn gốc. Đây là lý do nên kết hợp bản lưu công khai với hình thức xác lập chứng cứ chính thức khi vụ việc nghiêm trọng.
Về đạo đức, lưu trữ web không phải công cụ để khơi lại thông tin cá nhân mà người khác đã gỡ vì lý do chính đáng. Dùng nó cho mục đích kiểm chứng, nghiên cứu và bảo vệ quyền lợi hợp pháp, và tôn trọng quy định về bảo vệ dữ liệu cá nhân khi chia sẻ lại.
Câu hỏi thường gặp
Vì sao Wayback Machine báo trang này chưa được lưu trữ?
Có thể crawler chưa bao giờ tới trang đó vì ít liên kết trỏ tới, trang cần đăng nhập, chủ trang chặn thu thập hoặc đã yêu cầu loại khỏi kho, hoặc bạn nhập sai biến thể địa chỉ. Thử các biến thể, tìm theo tiền tố tên miền và tra thêm archive.today.
Có thể xem lại bài đăng mạng xã hội đã bị xoá không?
Chỉ khi ai đó hoặc crawler đã lưu nó trước khi bị xoá, và các nền tảng mạng xã hội thường hạn chế việc thu thập tự động. Tỷ lệ tìm được thấp hơn nhiều so với trang web thông thường. Đó là lý do nên tự lưu ngay khi thấy nội dung quan trọng.
Chủ website có thể xoá trang của mình khỏi Wayback Machine không?
Internet Archive có quy trình tiếp nhận yêu cầu loại trừ từ chủ sở hữu nội dung, và chính sách cụ thể đã thay đổi theo thời gian. Vì vậy một trang xem được hôm nay có thể không còn xem được sau này, thêm một lý do để tự lưu bản sao những gì quan trọng.
Bản chụp màn hình có thay được bản lưu trữ web không?
Không hoàn toàn. Ảnh chụp màn hình dễ chỉnh sửa và thiếu siêu dữ liệu kiểm chứng được. Bản lưu trên kho độc lập có dấu thời gian do bên thứ ba ghi nhận nên đáng tin hơn. Tốt nhất là có cả hai, kèm ghi chú thời điểm và cách thực hiện.
Dùng bản lưu trữ để trích dẫn trong bài nghiên cứu thế nào?
Ghi địa chỉ gốc, ngày truy cập, và địa chỉ bản lưu có dấu thời gian. Nhiều chuẩn trích dẫn và tạp chí khuyến khích cách này để chống đường dẫn chết. Nên tự tạo bản lưu ngay khi trích để bảo đảm người đọc thấy đúng nội dung bạn đã đọc.
Có thể so sánh tự động hai phiên bản của một trang không?
Wayback Machine có chức năng so sánh thay đổi giữa hai bản chụp, tô màu phần thêm và phần bỏ. Với nhu cầu theo dõi liên tục, có các dịch vụ giám sát thay đổi trang web gửi thông báo khi nội dung đổi, hữu ích để theo dõi chính sách, giá hay văn bản dự thảo.