Přemýšleli jste někdy o tom, kolik informací je ztraceno beze stopy? Koneckonců, informace jsou to, kvůli čemu Habr existuje. Víte, co se nejčastěji děje se zdroji založenými na uživatelských příspěvcích? Autoři vkládají obrázky, obrázky a videa ze stránek třetích stran a po nějaké době již nejsou dostupné. K tomu byl kdysi stvořen. . Praxe ukázala, že nikdo (kromě redaktorů a pár nadšenců) tam obrázky sám od sebe nenahrává. Proto v určitém okamžiku administrace Habr tuto funkci zautomatizovala – každý obrázek, který se objeví v publikaci, se automaticky nahraje do úložiště a nezmizí odtud, dokud bude Habr samotný existovat. Samozřejmě existují výjimky a , ale teď o nich ne.
Největší problém v celém tomto schématu s načítáním obrázků do Habrastorage nastal při jeho implementaci. V té době již některé staré publikace neměly žádné kresby, a proto tak zůstaly. Dnes se pokusíme zjistit, o kolik grafických informací Habr od svého zrodu přišel. Kromě toho, možná najdeme něco, co chybělo? Tento útržek „obrázek nelze načíst“ je nepříjemný, že? Přesně tomu je věnována dnešní detektivka. Začněme!
Možná vás k tomuto článku přivedla zmínka v ? Pravděpodobně zmizel obrázek z jedné z vašich starých publikací a já ho našel. Pokud nechcete číst celý příspěvek, můžete jednoduše přejít na spoiler na samém konci (sekce výsledky), který uvádí všechny nalezené publikace a obrázky. Děkuji!
Úvod a metody
Naše detektivka začne úplně od začátku (logické, že?). Od počátku Habr. Ostatně čím dříve byl příspěvek zveřejněn, tím větší byla šance, že se obrázky z něj ztratily někde v historii. Proto začneme rokem 2006 a posuneme se o něco kupředu.
Do úvahy jsou zahrnuty všechny publikace ze 40 hub, které jsou aktuálně na začátku žebříčku. Úplný seznam těchto nábojů je uveden pod spoilerem. Ve skutečnosti jich tehdy mnoho neexistovalo, ale když přibyly nové rozbočovače, byly tam publikace přeneseny.
Seznam hubů
, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
Informace byly shromážděny pomocí sady PHP skriptů. Každá publikace byla stažena, byl určen obsah značky a zkontrolovat značky uvnitř. U každého obrázku jsou uloženy odkazy na obrázky spojené s ID publikace na Habré. Tyto informace jsou dále analyzovány.
Co bylo zveřejněno a kdy
2006
Na samém počátku Habra nebylo tolik publikací jako nyní a bylo v nich ještě méně obrázků. V uvedených centrech bylo v roce 2006 (od 05.06.2006. 221. 53) zveřejněno celkem 75 příspěvků. 10 z těchto příspěvků obsahuje celkem XNUMX obrázků. Maximální počet obrázků (XNUMX kusů) v publikaci "50 kreseb je již na Habrastorage. Dalších 25 je ztraceno. Všechny jsou jedinečné a neopakují se.
Zajímavý fakt: Dva z obrázků vedou k samotnému Habrovi, ale už delší dobu nejsou k dispozici. Toto jsou obrázky http://www.habrahabr.ru/tmp/sup_blogs_preview.gif a http://www.habrahabr.ru/tmp/upgrade-chart.gif.
Takže pro rok 2006 ztraceno 33.3% obrázky v publikacích.
2007
V roce 2007 se výrazně zvýšil počet publikací a také počet obrázků - bylo publikováno 1 713 příspěvků. 599 příspěvků obsahuje 1 467 obrázků. 1 229 snímků bylo přeneseno do Habrastorage a 238 bylo ztraceno (16.2%).
Zajímavý fakt: Uveřejnění obsahuje maximálně 2007 obrázků za rok 100 a neobsahuje autorský text.
Některé z těchto ztracených obrázků jsou navíc duplikáty. Jeden z nich se tedy vyskytuje 6krát za sebou pouze se 6 obrázky. Také obrázek „Up.gif“ se z jedné domény opakuje 21krát, „Dolů.gif“ 16krát a „Stejný.gif“ 8krát. A všech těchto 45 obrázků z , která obsahuje pouze 47 obrázků.
Zbývá 191 unikátních .
2008
Vzhledem k tomu, že počet publikací o Habrém rok od roku narůstal, v roce 2008 náš detektiv zkontroluje 2 520 publikací a 2 969 obrázků. Všimli jsme si, že v roce 2008 počet obrázků v publikacích konečně převýšil počet publikací. Navíc pouze 1 207 příspěvků obsahuje obrázky a v publikaci je prezentováno maximálně 42 prvků grafických informací "". 1 943 obrázků již bylo uloženo na Habrastorage a 1 026 bylo ztraceno (34.6%).
Zajímavý fakt: Nejneočekávanější obrázek (nebo spíše problém v designu publikace) se nachází . V důsledku toho se Habr pokusí stáhnout obrázek přes http://#/.
Rýže. 1. Obecná statistika uvažovaného
Je možné alespoň něco obnovit?
Částečná obnova není náročná. Například nejlínější způsob by bylo použít při pokusu načíst uložené stránky publikace. Kromě toho se můžete pokusit „najít“ samotné obrázky v archivu pomocí přímých odkazů.
Lifehack: Je třeba zkontrolovat přítomnost obrázků ve všech verzích stránky v archivu, nejen v nejstarší a nejnovější.
Bohužel, i když tato metoda v některých případech funguje, je tak obtížné obnovit alespoň polovinu snímků. Dalším krokem je proto kontrola křížového vysílání, originálních překladů a samozřejmě archivních kopií originálních stránek.
Kromě toho se můžete pokusit najít požadované obrázky pomocí některého z Habrových neoficiálních zrcadel, které kdysi fungovaly a stále ukládají některé zkopírované informace.
Poslední a nejobtížnější možností je použití vyhledávačů. Pokud přesně víte, co by na obrázku mělo být (je tam popis a kontext), je zde šance najít soubory se stejným názvem, pokud je kdysi někdo zkopíroval do jiného zdroje.
Každý následující krok přirozeně prodlužuje dobu hledání nelineárně.
Co jsme našli
Počet dosud nalezených obrázků vás možná příliš neuchvátil - je jich 300 (obsaženo ve 140 publikacích od 81 autorů). Pokud vezmeme v úvahu počet „ztrát“ (1 242), výsledek je asi 24.2%. Proč chybí méně obrázků, než bylo? Všechny zbytečné obrázky (jako počítadla zobrazení) a neexistující obrázky (jako již zmíněný http://#/, stejně jako a tak dále).
Jak jsi přišel na tak kulaté číslo? Faktem je, že přibližně 300 dní hledání skončilo. Původně jsem chtěl jít na 333, ale 300 vypadá docela dobře. Navíc v tuto chvíli o 33% všechny „oběti pátrání“.
Rýže. 2. Aktuální výsledky vyhledávání
Všechny nalezené obrázky (kromě jednoho .bmp, s ním by to bylo 301) jsou nahrány do a odkazy na ně a publikace, jakož i rejstříky obrázků v nich jsou uvedeny v další části.
výsledky
Pod spoilerem jsou tedy úspěšně nalezené obrázky, stejně jako id publikací, index obrázku uvnitř textu publikace (od 1, nikoli od 0) a autor publikace. Pokud jste autorem zmíněné publikace a nalezené obrázky jsou správné, opravte své příspěvky. Děkuji!
Mimochodem, některé obrázky jsou ve skutečnosti stále dostupné k prohlížení v publikacích, ale nebyly převedeny do Habrastorage, a proto se v určitém okamžiku mohou také stát nedostupnými.
300 obrázků
Autor
ID publikace
Indexy a odkazy
příklad
, , , ,
, , ,
,
, , ,
, ,
, , , ,
, , , ,
,
, , , ,
, , , ,
, , , , ,
,
, ,
,
,
, , , ,
, , , , , , ,
, , ,
, , ,
,
,
,
,
, , , , , ,
, ,
,
,
, , ,
, , , , , , , , , , , , , , ,
, , , , , , ,
, ,
, , , , , , , , , , , , , , , , ,
,
,
,
, ,
,
,
,
,
, , , , , , , , , , , , , , , , , , , ,
, ,
,
, , , , , , , , , , ,
, ,
Místo závěru
Možná někoho napadne, že obnovovat takto zastaralé informace nemá žádný smysl. A kromě toho některé nalezené obrázky postrádaly smysl, i když byly zveřejněny. To je nepochybně pravda.
Jakákoli informace je důležitá. Alespoň z pohledu historického rozboru. Nemluvě o tom, že v některých materiálech chráněných autorským právem hraje klíčovou roli. Ano, v tuto chvíli Habrovi není ani 15 let a některé zdroje jsou stále k dispozici, ale postupem času jich bude čím dál tím méně, a proto je na místě si předem rozmyslet, zda něco zůstane na později, nebo zda bude být věčným „nedostupným obrazem“.
No, nezapomeňte, že zástupné symboly pro nepřístupné obrázky jsou prostě otravné. Samozřejmě, jen málo lidí bude číst „nějaké staré věci“, ale takoví lidé budou. Vzhledem k tomu, že tyto publikace jsou na Habré stále dostupné, měl by být jejich obsah co nejúplnější.
Bohužel, Habrastorage zatím nepodporuje přímé stahování pro všechny obrazové formáty, ale snad se to někdy spraví.
Poslední problém, o kterém bych se chtěl zmínit a o kterém jste pravděpodobně přemýšleli, „co když autor Habr dlouho nepoužívá a nemá zájem napravovat staré věci?“ Tato otázka mi vyvstala v hlavě více než jednou, ale řešení zde není tak obtížné. Staré publikace lze vždy opravit UFO v osobě moderátorů (můžete, ?) nebo administrativa ( může někomu zadat úkol).
Co myslíte, má cenu se snažit alespoň něco obnovit?
To je pro dnešek vše. Děkujeme za pozornost a ať jsou všechny vaše obrázky bez problémů nahrány do Habrastorage! Ať se to nestane
PS Pokud v textu najdete překlepy nebo chyby, dejte mi prosím vědět. To lze provést výběrem části textu a stisknutím tlačítka "Ctrl / ⌘ + Enter" pokud máte Ctrl / ⌘ nebo přes . Pokud nejsou k dispozici obě možnosti, napište o chybách do komentářů. Děkuji!
PPS Možná vás zaujme i můj další Habrův výzkum nebo byste chtěli navrhnout vlastní téma pro další publikaci, případně i novou řadu publikací.
Kde najít seznam a jak vytvořit návrh
Všechny informace najdete ve speciálním úložišti . Tam také můžete zjistit, které návrhy již byly oznámeny a na čem se již pracuje.
Také se o mě můžete zmínit (napsáním ) v komentářích k publikaci, která se vám zdá zajímavá pro výzkum nebo analýzu.
Zdroj: www.habr.com