Si te encanta un sitio web, hazle copia de seguridad
El archivado de sitios web personales está surgiendo como respuesta a la aceleración de la rotura de enlaces, la “enshittification” corporativa y las crecientes barreras de scraping impulsadas por IA que amenazan la longevidad y la accesibilidad del contenido en línea. Los comentaristas comparten herramientas y flujos de trabajo —desde SingleFile, ArchiveBox, Linkding, Linkwarden, Hister, HTTrack y wget hasta recortadores de Obsidian y scripts personalizados— mientras debaten qué merece preservarse: sitios completos, solo el texto legible o incluso formatos transformados como ebooks y PDFs. Muchos subrayan la importancia de respaldar lo que realmente valoras (incluidos vídeos y foros de nicho), hacerlo con cortesía para no sobrecargar los sitios y no depender únicamente de servicios centralizados como Internet Archive o plataformas comerciales para salvaguardar el registro digital.
Rotura de enlaces y motivación
- Muchos comentaristas describen una rotura de enlaces extensa en décadas de marcadores, colecciones de imágenes, foros de nicho, páginas de cursos universitarios y sitios personales.
- La gente lamenta haber asumido que los sitios o plataformas queridas (archivos de fanfic, portales de vídeo universitarios, sitios de la era de Angelfire/Blogspot, wikis técnicas de nicho, blogs de música independiente) “siempre estarían ahí”.
- Se elogia la cobertura de Internet Archive, pero a menudo es incompleta, está bloqueada por robots.txt o carece de imágenes/archivos.
- Varios señalan pérdidas dolorosas de información técnica única, arte, música y logros personales que ahora son irrecuperables.
Herramientas y flujos de trabajo para archivar
- Combinación popular: SingleFile basado en navegador + un gestor de marcadores autoalojado (Linkding, Linkwarden, Karakeep) para guardar instantáneas HTML; algunos también guardan PDFs y capturas de pantalla.
- Herramientas más pesadas: ArchiveBox (reescrito recientemente, admite muchos formatos y archivado a gran escala), Hister (búsqueda personal del historial web con captura HTML), Zotero (usando SingleFile), Monolith, HTTrack, grab-site, rastreadores personalizados.
- Enfoques más sencillos: imprimir a PDF, capturas de pantalla, recortadores de Markdown, Obsidian Web Clipper, ebooks mediante “save-as-ebook”, wget para sitios estáticos de cursos.
- Algunos crean herramientas personalizadas o bookmarklets para enviar páginas a Internet Archive y a repositorios personales.
Desafíos técnicos
- La complejidad de la web moderna (SPAs, renderizado JS, anti-scraping, Cloudflare, CAPTCHA) rompe muchos archivadores del lado del servidor.
- La captura del lado del cliente (extensiones del navegador que suben páginas renderizadas) se considera la forma más fiable de sortear estas defensas.
- HTML frente a contenido: varios abogan por centrarse en extraer el texto/conocimiento principal (modos de lectura, Readability.js, markdown) en lugar de espejar sitios completos.
- La escalabilidad y el mantenimiento de los sistemas autoalojados son puntos de dolor recurrentes.
Ética, legalidad y efectos en el ecosistema
- Se aconseja rastrear con cortesía y despacio para no sobrecargar sitios pequeños.
- Preocupa que los rastreadores agresivos de IA/SEO ya estén empujando a los sitios a cerrarse más, haciendo más difícil el archivado personal.
- Se asume ampliamente que las copias de seguridad privadas para uso personal son legalmente aceptables; la redistribución se señala como una cuestión distinta.
- Algunos destacan la fragilidad del almacenamiento personal (bitrot en CD/DVD, discos averiados) y hacen hincapié en múltiples copias de seguridad.
Divisiones filosóficas y preocupaciones futuras
- Tensión entre “archivar todo lo que amas” y “aceptar que algunas cosas deberían desvanecerse; evitar acumular en exceso”.
- Algunos enfatizan imprimir y comprar libros como el archivo definitivo a largo plazo.
- Varios temen que, a medida que los LLM y las plataformas cerradas desplacen la web abierta y la búsqueda, actores centralizados puedan distorsionar sutilmente o “reescribir” la historia accesible, reforzando el caso de los archivos personales.