Archivace internetu je proces sbírání části obsahu internetu a zajištění, že sbírané objekty jsou dlouhodobě uchovávány a zpřístupňovány pro budoucí badatele, historiky a veřejnost. Archivování internetu se obvykle provádí automaticky pomocí robotu (web crawlers). Největší institucí, která se archivací internetu zabývá je Internet Archive, v česku WebArchiv.

Sběr webu

Archivují se obvykle všechny součásti obsahu internetu, včetně HTML, stylů CSS, JavaScriptu, digitálních obrázků a multimediálních souborů. Také se skladují metadata související s těmito objekty, jako jsou informace o tom, kdy byl objekt získán, jakého je typu, jakou technologií byl sklizen, jak je velký atp. Metadata jsou důležitá pro určení autenticity a původnosti dat.

Nejčastěji se internet sbírá pomocí robotů, které vidí stránky podobně jako uživatel. Používané roboty jsou například:

• BRJBot
• Heritrix
• HTTrack
• Offline Explorer

Související články

• WebArchiv
• Internet Archive
• Archiv
• Internet
• Metadata
• Digitální knihovna
• Digitální repozitář
• DigitalPreservationEurope

Externí odkazy

• International Internet Preservation Consortium (IIPC) –
• International Web Archiving Workshop (IWAW)
• Library of Congress, Web Capture
• Web archiving bibliography
• WebArchivist
• Projekty:
  • CyberCemetery
  • Digital Archive of Chinese Studies
  • Internet Memory Foundation (dříve European Archive Foundation)
  • Hanzo Archives
  • Internet Archive
  • Portuguese Web Archive
  • On-demand Web Archiver
  • The Library of Congress, National Digital Information Infrastructure and Preservation Program
  • UK Web Archiving Consortium
  • Archivujem.cz - Archiv skončené inzerce