¿Alguna vez te has preguntado cuánta información se pierde sin dejar rastro? Después de todo, la información es para lo que existe Habr. ¿Sabes qué sucede más a menudo con los recursos basados en publicaciones de usuarios? Los autores insertan imágenes, fotografías y vídeos de sitios de terceros y después de un tiempo ya no están disponibles. Para esto fue creado una vez. . La práctica ha demostrado que nadie (excepto los editores y algunos entusiastas) sube imágenes allí por su cuenta. Por lo tanto, en algún momento, la administración de Habr hizo que esta función fuera automática: cada imagen que aparece en una publicación se carga automáticamente en el almacenamiento y no desaparecerá de allí mientras Habr exista. Por supuesto, hay excepciones y , pero no sobre ellos ahora.
El mayor problema en todo este esquema con la carga de imágenes en Habrastorage ocurrió durante su implementación. En ese momento, algunas publicaciones antiguas ya no tenían dibujos y, por lo tanto, permanecían así. Hoy intentaremos averiguar cuánta información gráfica ha perdido Habr desde su nacimiento. Además, ¿tal vez podamos encontrar algo que faltaba? Este fragmento de "la imagen no se puede cargar" es molesto, ¿no? La historia de detectives de hoy está dedicada exactamente a esto. ¡Empecemos!
Es posible que haya llegado a este artículo gracias a una mención en ? Probablemente una imagen desapareció de una de tus publicaciones antiguas y la encontré. Si no quieres leer la publicación completa, puedes desplazarte hasta el spoiler al final (sección resultados), que enumera todas las publicaciones e imágenes encontradas. ¡Gracias!
Introducción y métodos
Nuestra historia de detectives comenzará desde el principio (lógico, ¿no?). Desde el comienzo de Habr. Después de todo, cuanto antes se publicara una publicación, mayores serían las posibilidades de que sus imágenes se perdieran en algún lugar de la historia. Por eso comenzaremos desde 2006 y avanzaremos un poco.
Se incluyen en la consideración todas las publicaciones de 40 centros que actualmente se encuentran al comienzo del ranking. La lista completa de estos centros se presenta debajo del spoiler. De hecho, muchos de ellos no existían entonces, pero cuando se agregaron nuevos centros, las publicaciones se trasladaron allí.
Lista de centros
, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,
La información se recopiló mediante un conjunto de scripts PHP. Se descargó cada publicación, se determinó el contenido de la etiqueta <div id="post-content-body" > y comprobamos las etiquetas <imagen> adentro. Para cada imagen, se almacenan enlaces a las imágenes, vinculados al ID de publicación en Habré. Esta información se analiza más a fondo.
Qué se publicó y cuándo
2006
Al comienzo de Habr no había tantas publicaciones como ahora, y en ellas había incluso menos fotografías. En total, en 2006 se publicaron 05.06.2006 artículos en los centros enumerados (a partir del 221/53/75). 10 de estas publicaciones contienen un total de XNUMX imágenes. Máximo de imágenes (XNUMX piezas) en una publicación "". Ya hay 50 dibujos en Habrastorage. Otros 25 se han perdido. Todos ellos son únicos y no repetidos.
Un hecho interesante: Dos de las imágenes conducen al propio Habr, pero no han estado disponibles durante mucho tiempo. Estas son las imágenes http://www.habrahabr.ru/tmp/sup_blogs_preview.gif y http://www.habrahabr.ru/tmp/upgrade-chart.gif.
Entonces, perdido para 2006. 33.3% Imágenes en publicaciones.
2007
En 2007, el número de publicaciones aumentó significativamente, al igual que el número de imágenes: se publicaron 1 posts. 713 publicaciones contienen 599 imágenes. Se transfirieron 1 imágenes a Habrastorage y 467 se perdieron (16.2%).
Un hecho interesante: Publicación contiene un máximo de 2007 imágenes para 100 y no contiene texto de derechos de autor.
Además, algunas de estas imágenes perdidas están duplicadas. Entonces, uno de ellos ocurre 6 veces en una. con solo 6 fotos. Además, la imagen “Up.gif” se repite 21 veces, “Down.gif” 16 veces y “Same.gif” 8 veces de un dominio. Y todas estas 45 imágenes de , que contiene sólo 47 imágenes.
Quedan 191 < img > únicos.
2008
Dado que el número de publicaciones sobre Habré no hace más que aumentar de año en año, en 2008 nuestro detective revisará 2 publicaciones, así como 520 imágenes. Notamos que fue en 2 cuando el número de imágenes en las publicaciones finalmente superó el número de publicaciones. Además, sólo 969 publicaciones contienen imágenes y en la publicación se presentan un máximo de 2008 elementos de información gráfica "". Ya se han guardado 1 imágenes en Habrastorage y se han perdido 943 (34.6%).
Un hecho interesante: Se localiza la imagen más inesperada (o mejor dicho, el problema en el diseño de la publicación) . Como resultado, Habr intenta descargar la imagen a través de http://#/.
Arroz. 1. Estadísticas generales de los considerados
¿Es posible restaurar al menos algo?
La restauración parcial no es difícil. Por ejemplo, la forma más perezosa sería utilizar en un intento de cargar páginas de publicación guardadas. Además, puede intentar "encontrar" las imágenes en el archivo mediante enlaces directos.
Truco de vida: Debe verificar la presencia de imágenes en todas las versiones de la página en el archivo, no solo en las más antiguas y las más nuevas.
Desafortunadamente, aunque este método funciona en algunos casos, resulta muy difícil restaurar al menos la mitad de las imágenes. Por lo tanto, el siguiente paso es comprobar las publicaciones cruzadas, las traducciones originales y, por supuesto, las copias de archivo de las páginas originales.
Además, puede intentar encontrar las imágenes deseadas utilizando uno de los espejos no oficiales de Habr, que alguna vez funcionó y aún almacena parte de la información copiada.
La última opción y la más difícil es utilizar motores de búsqueda. Si sabe exactamente qué debe haber en la imagen (hay una descripción y un contexto), existe la posibilidad de encontrar archivos con el mismo nombre si alguna vez alguien los copió a otro recurso.
Naturalmente, cada paso posterior aumenta el tiempo de búsqueda de forma no lineal.
Lo que logramos encontrar
Puede que no le impresione demasiado la cantidad de imágenes encontradas hasta ahora: hay 300 (incluidas en 140 publicaciones de 81 autores). Si tenemos en cuenta el número de “pérdidas” (1), el resultado es de aproximadamente 24.2%. ¿Por qué faltan menos imágenes que las que había? Todas las imágenes inútiles (como contadores de vistas) e imágenes inexistentes (como el http://#/ ya mencionado, así como и т.д.).
¿Cómo se te ocurrió un número tan redondo? El caso es que terminaron aproximadamente 300 días de búsqueda. Al principio iba a ir a 333, pero 300 luce bastante bien. Además, en este momento aproximadamente 33% todas las "víctimas de la búsqueda".
Arroz. 2. Resultados de búsqueda actuales
Todas las imágenes encontradas (excepto una .bmp, con ella sería 301) se cargan en , y en la siguiente sección se proporcionan enlaces a ellos y publicaciones, así como índices de imágenes que contienen.
resultados
Entonces, debajo del spoiler están las imágenes encontradas con éxito, así como la identificación de las publicaciones, el índice de la imagen dentro del texto de la publicación (comenzando desde 1, no desde 0) y el autor de la publicación. Si usted es el autor de la publicación mencionada y las imágenes encontradas son correctas, corrija sus publicaciones. ¡Gracias!
Por cierto, algunas imágenes todavía están disponibles para su visualización en publicaciones, pero no se han transferido a Habrastorage y, por lo tanto, en algún momento también pueden dejar de estar disponibles.
300 fotos
autor
ID de publicación
Índices y enlaces
ejemplo
, , , ,
, , ,
,
, , ,
, ,
, , , ,
, , , ,
,
, , , ,
, , , ,
, , , , ,
,
, ,
,
,
, , , ,
, , , , , , ,
, , ,
, , ,
,
,
,
,
, , , , , ,
, ,
,
,
, , ,
, , , , , , , , , , , , , , ,
, , , , , , ,
, ,
, , , , , , , , , , , , , , , , ,
,
,
,
, ,
,
,
,
,
, , , , , , , , , , , , , , , , , , , ,
, ,
,
, , , , , , , , , , ,
, ,
En lugar de una conclusión
Quizás alguien considere que restaurar información tan obsoleta no tiene ningún sentido. Y además, algunas de las imágenes encontradas carecían de sentido incluso cuando fueron publicadas. Sin duda, esto es cierto.
Cualquier información es importante. Al menos desde el punto de vista del análisis histórico. Sin mencionar el hecho de que en algunos materiales protegidos por derechos de autor desempeña un papel clave. Sí, en este momento Habr ni siquiera tiene 15 años y algunas de las fuentes todavía están disponibles, pero con el tiempo serán cada vez menos y, por lo tanto, vale la pena pensar de antemano si quedará algo para más adelante o si habrá ser una eterna “imagen no disponible”.
Bueno, no olvides que los marcadores de posición para imágenes inaccesibles son simplemente molestos. Por supuesto, pocas personas leerán “algunas cosas viejas”, pero habrá gente así. Por lo tanto, dado que estas publicaciones todavía están disponibles en Habré, su contenido debe ser lo más completo posible.
Desafortunadamente, Habrastorage aún no admite la descarga directa de todos los formatos de imagen, pero tal vez esto se solucione algún día.
El último problema que me gustaría mencionar, y en el que probablemente hayas pensado, "¿qué pasa si el autor no ha usado Habr durante mucho tiempo y no está interesado en corregir material antiguo?" Esta pregunta me ha surgido en la cabeza más de una vez, pero la solución aquí no es tan difícil. Las publicaciones antiguas siempre se pueden corregir. OVNI en la persona de moderadores (puedes, ?) o administración ( puede darle a alguien una tarea).
¿Crees que vale la pena intentar restaurar al menos algo?
Eso es todo por hoy. ¡Gracias por su atención y que todas sus imágenes se suban a Habrastorage sin ningún problema! que esto no suceda
PS Si encuentra errores tipográficos o errores en el texto, por favor hágamelo saber. Esto se puede hacer seleccionando un fragmento de texto y presionando "Ctrl / ⌘ + Entrar" si tiene Ctrl / ⌘, ya sea a través de . Si ambas opciones no están disponibles, escriba sobre los errores en los comentarios. ¡Gracias!
PPS Quizás también le interesen mis otras investigaciones sobre Habr o le gustaría sugerir su propio tema para la próxima publicación, o tal vez incluso una nueva serie de publicaciones.
Dónde encontrar la lista y cómo hacer una propuesta
Toda la información se puede encontrar en un repositorio especial. . Allí también podrá conocer qué propuestas ya se han anunciado y cuáles ya están en proceso.
Además, puedes mencionarme (escribiendo ) en los comentarios a una publicación que le parezca interesante para su investigación o análisis.
Fuente: habr.com