Van live website naar webarchief: hoe werkt het proces?

Een webpagina die vandaag online staat, moet op een gegeven moment een vastgelegd archiefstuk worden. Daar zit een proces tussen met een paar vaste stappen: van het ontstaan van content tot een raadpleegbaar webarchief, en uiteindelijk mogelijk een overbrenging naar een e-Depot.

Van werkproces naar live website

Content op een overheidswebsite komt niet zomaar tot stand. Die ontstaat vanuit de werkprocessen van de organisatie: communicatie-uitingen, contentbeheer, websitebeheer. Dat resulteert in de website zoals die op dit moment live staat, en zoals bezoekers, interne en externe stakeholders die te zien krijgen.

Vanuit archiveringsoogpunt is dat startpunt belangrijk: je archiveert altijd de website zoals die daadwerkelijk gepubliceerd is, niet een interne versie of concept.

Harvesting: het vastleggen van de website

Het vastleggen van een website heet harvesten. Dat gebeurt automatisch: een harvester doorloopt de website zoals een bezoeker dat zou doen, en legt alle onderdelen vast die op dat moment zichtbaar zijn, pagina's, afbeeldingen, documenten. Het resultaat van een harvest zijn een of meer WARC-bestanden. Wat een WARC-bestand precies is en waarom dat het gangbare formaat is, staat in het artikel over WARC-bestanden.

Hoe vaak een website geharvest wordt (dagelijks, periodiek of eenmalig) hangt af van hoe vaak de content verandert. Die afweging, en de status die daarbij hoort, staat beschreven in het artikel over welke websites je moet archiveren.

Ontsluiting: het archief raadpleegbaar maken

Een verzameling WARC-bestanden is op zichzelf nog geen bruikbaar archief. Pas door ontsluiting wordt het mogelijk om terug te bladeren in de tijd en gearchiveerde pagina's daadwerkelijk te bekijken, alsof je de oude website weer bezoekt. Hoe die raadpleging er in de praktijk uitziet, van zoeken binnen een archief tot deeplinken naar een specifieke datum, staat in het artikel over het raadplegen van een webarchief.

Overbrenging naar een e-Depot

Voor blijvende bewaring worden webarchieven op enig moment overgebracht naar een e-Depot: een voorziening die specifiek is ingericht voor de duurzame, langdurige opslag van digitale overheidsinformatie. Omdat WARC een open standaard is, kunnen de onderliggende bestanden zonder problemen worden overgedragen.

Het proces in het kort

1. Content ontstaat vanuit werkprocessen en wordt gepubliceerd op de live website.
2. De website wordt geharvest, met een frequentie die past bij hoe vaak de content wijzigt.
3. De harvest levert WARC-bestanden op, die samen het webarchief vormen.
4. Het archief wordt ontsloten, zodat het raadpleegbaar is.
5. Op enig moment wordt het archief overgebracht naar een e-Depot voor blijvende bewaring.

Elke stap in dit proces bouwt voort op de vorige: zonder een duidelijke keuze over welke websites en met welke frequentie gearchiveerd moeten worden, is er niets om te harvesten, en zonder harvest is er niets om te ontsluiten of over te dragen.