` एक के अंदर `

` तत्व (क्योंकि सब कुछ उस समय एक फार्म था) 2. **मध्य- बीच**: अलग - अलग जगहों में टैम्प्लेट संरचना, तारीख 3. **साल बाद**: फिर भी थोड़ा अलग अणुओं के साथ एक और मोड़ मेमोरी से इसे फिर कुछ मनपसंद बात इस्तेमाल किया जाता है [उप- पाठ](http://beletsky.net/2010/09/subtext-open-source-blogging-engine.html) (P) ब्लॉगिंग की ब्लॉगिंग चीज. समाजीय सर्वर के अनुसार चलना (A) [गोल](https://community.telligent.com/) एक बात. गुप्त रूप से सेना साइटों का उपयोग करने के लिए इस्तेमाल किया जाता था , एक और पूर्व में, SEATCPAT रॉबार्ड हॉवर्ड द्वारा . जिनमें से सभी अलग तरीके थे अद्यतन और सामग्री प्रदर्शित करने के अलग तरीके. इसका अर्थ था कि किसी भी निकासी उपकरण को बहुत से एचटीएमएल संरचनाओं को नियंत्रित करने के लिए ढीला होना आवश्यक था. एक "एक आकार सभी तरह के रूप में फिट हो जाता है" तो उसे काटने के लिए नहीं जा रहा था. ## अभिलेख एमुलेटर आयातर भरें मैंने बनाया [अभिलेखउसके द्वारा आयात किया जा रहा है](https://github.com/scottgal/mostlylucid.nugetpackages/tree/main/Mostlylucid.ArchiveOrg) इस बहुत स्पष्ट समस्या को हल करने के लिए. यह एक 90 है. 1. **अभिलेखक.org का उपयोग सीमा** - वे दान पर चल रहे गैर-प्रयोग कर रहे हैं, तो उनके सर्वरों का रोना एक भयानक काम होगा 2. **कॉन्फ़िगर करने योग्य तिथियों के बीच अभिलेखित पृष्ठ डाउनलोड करें** 3. **बहुत से एचटीएमएल संरचनाों से ब्लॉग सामग्री निकालें** 4. **साफ मार्क स्थान उत्पन्न करता है** मेरे मौजूदा ब्लॉग फ़ॉर्मेट में 5. **उपयोगी टैग तैयार करने के लिए ओलमा इस्तेमाल करता है** - क्योंकि क्यों नहीं लगता कि यह पर कुछ जादू फेंक? ### यह कैसे कार्य करता है औज़ार तीन मुख्य चरणों के साथ क्लीप्चरीशन का पालन करता है: ``` Archive.org CDX API → Download HTML → Convert to Markdown → Generate Tags → Output Files ``` #### फेस 1: अभिलेखक क्वैरी किया जा रहा है औज़ार अभिलेखों का उपयोग कर रहा है.org [सीडीएक्स एपीआई](https://github.com/internetarchive/wayback/tree/master/wayback-cdx-server) मेरे ब्लॉग के सभी अभिलेखों को ढूंढने के लिए. यह एपीआई है जो कि समय- सारिणीबद्ध यूआरएलों की सूची देता है, माइम क़िस्म, तथा एचटीटीपी स्थिति कोड. ```csharp // The CDX query builds a URL like this: // https://web.archive.org/cdx/search/cdx?url=mostlylucid.co.uk/posts/&output=json&collapse=urlkey ``` वह `collapse=urlkey` पैरामीटर चतुर है - यह प्रत्येक अद्वितीय यूआरएल के लिए सिर्फ नवीनतम स्नेपशॉट बताता है, जो आपको डुप्लीकेट की संख्या को नाटकीय रूप से कम करता है. मैं यूआरएलों को फ़िल्टर करने के लिए गिम्प पैटर्न का भी उपयोग करता हूँ. मेरे पुराने पोस्ट पैटर्न पैटर्न पैटर्न के अनुसार `/posts/[number].aspx`, ऐसा: ```json { "IncludePatterns": ["/posts/\\d+\\.aspx$"] } ``` इस तरह मैं सिर्फ वास्तविक ब्लॉग पोस्टों को ही पकड़ लेता हूँ, अभिलेख पृष्ठ, वर्ग पृष्ठ, या RSS फीड नहीं. #### PROT 2: सही नागरिक होने की वजह से लोगों की दर कम हो जाती है अभिलेख.org एक सार्वजनिक सेवा है. उनके पास गूगल या एमएम का इंफ्रा बजट नहीं है. तो डाउनलोडकर्ता जानबूझकर है: ```csharp // Default: 5 seconds between requests, single-threaded downloads "RateLimitMs": 5000, "MaxConcurrentDownloads": 1 ``` जी हाँ, इसका अर्थ है सैकड़ों पोस्ट डाउनलोड हो जाते हैं। लेकिन यह करने के लिए सही बात है। उपकरण 429 तक संभालता है। डाउनलोड फ़ाइलों के लिए आवश्यक कुछ साफ सफाई भी है. अभिलेखक औज़ार पट्टी स्क्रिप्ट को जोड़ता है तथा पकड़ वाले एचटीएमएल में यूआरएल फिर से लोड करता है. डाउनलोडर जो कुछ बाहर है: ```csharp private static string CleanWaybackArtifacts(string html) { // Remove the interactive Wayback toolbar html = WaybackToolbarRegex().Replace(html, string.Empty); // Remove playback.archive.org script references html = WaybackScriptRegex().Replace(html, string.Empty); // Strip archival metadata comments html = WaybackCommentRegex().Replace(html, string.Empty); // Rewrite archived URLs back to original paths html = WaybackUrlRewriteRegex().Replace(html, "$1$2"); return html; } ``` गिम्प पैटर्न हैंडलः - `...` - औजारपट्टी एचटीएमएल - `