WARC: de bouwstenen van een webarchief

In een webarchief kun je precies zien hoe een website er op een bepaalde dag in het verleden uitzag. Dat is alleen mogelijk omdat die versies zijn vastgelegd in een specifiek bestandsformaat: WARC. Dit artikel legt uit wat een WARC-bestand is en waarom dat formaat de basis vormt van elk goed webarchief.

Wat is een WARC-bestand?

WARC staat voor Web ARChive. Een WARC-bestand is een momentopname van een website op een bepaald moment: de pagina's, afbeeldingen en andere onderdelen zoals ze er op dat moment uitzagen.

Een handige vergelijking is een diaprojector met een magazijn vol dia's. Elke dia is één WARC-bestand, een vastgelegd moment in de tijd. Speel je de dia's achter elkaar af, dan zie je hoe de website is veranderd. Om ervoor te zorgen dat elke dia in elke projector past, moeten de dia's een uniform formaat hebben. Voor WARC-bestanden wordt die uniformiteit gegarandeerd door de internationale standaard ISO 28500.

Waarom die standaard belangrijk is

Doordat WARC-bestanden aan ISO 28500 voldoen, zijn ze niet gebonden aan één leverancier of technologie. Een WARC-bestand dat vandaag wordt gemaakt, kan over tien of honderd jaar nog steeds worden geopend, ongeacht welke software of welke partij dat archief op dat moment beheert. Dat maakt WARC geschikt voor iets dat per definitie voor de lange termijn is bedoeld: een webarchief.

Het Nationaal Archief heeft daarom in de Richtlijn Archiveren Overheidswebsites vastgelegd dat webarchieven van overheidsorganisaties in WARC-bestanden moeten worden vastgelegd. Waarom overheden hun websites überhaupt moeten archiveren, staat beschreven in het artikel over de wettelijke basis voor webarchivering.

Een webarchief is een verzameling WARC-bestanden

Eén WARC-bestand legt één moment vast. Een webarchief bestaat uit meerdere WARC-bestanden achter elkaar, en vormt zo de geschiedenis van een website. Hoe vaker een website wordt gearchiveerd (dagelijks, maandelijks, eenmalig), hoe fijnmaziger die geschiedenis is vastgelegd.

Jouw WARC-bestanden zijn jouw data

De WARC-bestanden van een website bevatten de data van de organisatie die de website beheert. Toegang tot die bestanden is daarom belangrijk, om twee redenen:

• Overdracht naar een e-Depot. Voor blijvende bewaring worden webarchieven op enig moment overgebracht naar een e-Depot. Dat kan alleen als de onderliggende WARC-bestanden beschikbaar zijn.
• Onafhankelijkheid van een leverancier. Omdat WARC een open standaard is, kunnen WARC-bestanden worden geïmporteerd en geëxporteerd tussen verschillende webarchief-omgevingen. Een organisatie zit dus niet vast aan één partij om bij haar eigen archief te kunnen.

Goed om te weten: hoe eenvoudig het is om je eigen WARC-bestanden op te vragen, verschilt sterk per leverancier. Het is dus altijd goed om vooraf te weten hoe dat bij jouw webarchief-dienst geregeld is.