Buscar archivos, recuperar, empacar y entregar.
- Apply the selected archive filters
- Prepare the matched snapshot set
- Keep snapshot metadata with stored pages
- Deliver through the selected archive path
Conjuntos de datos y feeds
Archivo Web: Instantáneas de páginas históricas
Busca capturas históricas de páginas por dominio, URL y fecha. Revisa las disponibles y recibe páginas y metadatos para investigación, datos históricos o análisis de cambios.
Diseño de la consulta
Encuentra el historial de páginas que necesita tu investigación
Definir lo que pertenece a la búsqueda antes de recuperar páginas. Un resumen enfocado mantiene el conjunto correspondiente relevante, más fácil de estimar y más sencillo de procesar en el torrente inferior.
01 · fuente
Dominio · patrón de URLElige dominios y familias de URL.
Nombre de los dominios públicos y patrones de trayectoria que contienen las páginas de su investigación, índice o corpus necesita.
02 · tiempo
Fecha de inicio · Fecha de finalizaciónEstablezca la ventana histórica.
Utilice un rango de fechas preciso para que cada captura coincida pertenezca al período que desea analizar o completar.
03 · contenido
Lenguaje · tipo de contenidoMantenga los tipos de páginas pertinentes.
Estricto por idioma y tipo de contenido cuando el flujo de trabajo receptor espera un tipo particular de material fuente.
04 · destino
S3 · webhookDiseño para el oleoducto receptor.
Elija cómo debe llegar el paquete de archivo y guarde el contenido de la página junto a sus metadatos de captura desde la primera entrega.
Contexto histórico
Conserva juntas las capturas y sus fechas
Las capturas coincidentes crean un historial datado para cada URL o familia de URL. Mantenga la página almacenada y captura el contexto juntos para que los equipos de aguas abajo puedan comparar versiones con un eje de tiempo claro.
- Antes de esoCaptura de línea de basesnapshot 01
Mantenga la página tal como apareció en el momento de la captura.
- RevisiónModificación de la páginasnapshot 02
Guarde otra captura para la comparación de campos, texto, enlace o diseño río abajo.
- Más tardeEstado archivado posteriormentesnapshot 03
Complete la ventana solicitada con la última captura de coincidencia en el conjunto de resultados.
Hacer inspectables las cobertura
Revise el alcance correspondiente con los dominios, caminos, fechas, idiomas y tipos de contenido seleccionados. Refinar la consulta hasta que el resultado represente la parte histórica que puede usar su flujo de trabajo.
Recuperación y entrega
De la búsqueda en el archivo a la entrega
El proceso de producción es deliberado: definir filtros, revisar el alcance y la estimación correspondientes, preparar las páginas históricas seleccionadas y luego entregar contenido y metadatos juntos.
- 01 · definir
Envía el informe de consulta.
Dominio, patrones de URL, rango de fechas, idioma, tipo de contenido y destino.
- 02 · revisión
Inspeccione el alcance correspondiente.
Compruebe si la forma del resultado se alinea con la pregunta histórica antes de la recuperación.
- 03 · preparar
Mantenga las instantáneas y el contexto juntos.
Package stored pages with URL, capture time, language, type, and collection metadata.
- 04 · entregar
Envía el paquete río abajo.
Seleccione S3 o entrega webhook para el flujo de trabajo de datos de recepción.
La pregunta, el alcance utilizable y el producto de datos a continuación.
- Approved domains, paths, and historical window
- Language and content requirements
- Parsing, comparison, indexing, or model workflow
- Storage, retention, access, and downstream decisions
¿Necesitas una salida estructurada?
Explore Managed DataMover la extracción, normalización, monitoreo de calidad y entrega recurrente a Datos gestionados.
Archivo web proporciona páginas históricas y contexto. Datos gestionados es el camino operado cuando la salida terminada debe ser un conjunto de datos estructurado mantenido.
Casos de uso
Páginas históricas para investigación y análisis de cambios
Aplicación del producto
Compara tus opciones
Productos | Mejor punto de partida | Lo que recibes | Aplicación para el funcionamiento |
|---|---|---|---|
Archivo web | Un dominio histórico, familia de URL y ventana de fecha | Páginas públicas almacenadas con metadatos instantáneos | Descubrimiento histórico, análisis de cambios y retroalimentación |
Un dominio de datos y esquema disponibles | Detalles y muestras representativas de los conjuntos de datos preparados | Descubra una colección existente antes de elegir la entrega | |
Una colección estructurada definida, cadencia y destino | Entrega estructurada programada recurrente | Mantener un alcance de datos conocido fluyendo a los sistemas en aguas subidas | |
Una nueva colección de múltiples páginas | Resultados de recogida alineados durante la evaluación | Recoger páginas elegibles relacionadas en los puntos de entrada aprobados | |
Fuente de apoyo target | Registros estructurados mantenidos a petición | Acceso a la fuente dirigida por la aplicación a través de un esquema conocido | |
Una fuente personalizada, esquema, cadencia y destino | Una entrega estructurada totalmente operativa | Recogida, extracción, calidad y mantenimiento |
Orientación de precios
Obtén un presupuesto para tu carga de trabajo
Evaluación de los archivos
Comience con una consulta representativa.
Traer un conjunto de dominios, patrones de ruta, rango de fechas, idioma y necesidades de tipo de contenido, plus el sistema que recibirá el paquete de archivo.
FAQ
Preguntas sobre el producto
¿Qué es Archivo web?
Archivo web ayuda a los equipos a encontrar instantáneas históricas de páginas públicas ya presentes en el archivo. Define los dominios relevantes, patrones de URL, rango de fecha, idioma y tipo de contenido, luego recibe las páginas correspondientes con contexto de captura.
¿Qué incluye una instantánea de archivo?
Una instantánea entregada empareja la página almacenada con metadatos de instantánea como la URL de origen, el tiempo de captura, el idioma, el tipo de contenido y el contexto de recopilación necesarios para organizarla o compararla en el río abajo.
¿Cómo puedo restringir una consulta de archivo?
La búsqueda se puede realizar con un dominio o conjunto de dominios, patrones de URL, un rango de fechas, idioma y tipo de contenido. Los filtros más ajustados hacen que el conjunto coincidente sea más fácil de revisar y mantener la entrega enfocada en la parte histórica de su flujo de trabajo.
¿Puedo revisar el alcance coincidente antes de la entrega?
Sí. El flujo de evaluación está diseñado en torno a revisar el alcance y la estimación coincidentes antes de que se prepare el paquete de instantáneas.
¿Cómo se entregan los datos de archivo?
El paquete de archivo se puede entregar a S3 o webhook, con páginas almacenadas y sus metadatos instantáneos mantenidos juntos. Elige el camino que mejor se adapte a tu ingestión, almacenamiento y flujo de trabajo de procesamiento.
¿Puede Archivo web apoyar el análisis de la historia de los cambios?
Recupera capturas para la misma familia de URL o URL a través de un rango de fechas definido, retenga cada tiempo de captura y compare las versiones en su flujo de trabajo de investigación, indexación, monitoreo o extracción.
¿Qué debo proporcionar para el precio?
Trae los dominios, patrones de URL, rango de fecha, filtros de idioma y tipo de contenido, alcance esperado, preferencias de entrega y requisitos de soporte.
Breve información histórica
Comprueba el historial disponible para tus URL
Comparte dominios, patrones de URL y fechas. Revisaremos las capturas disponibles y definiremos la entrega del archivo.