¿Qué es la Wayback Machine? Cómo ver páginas web antiguas

Publicado:

16 min de lectura

Acar Diveroli
Autor: Acar Diveroli
Capturas verticales de una misma web se apagan con los años al fondo; una azul de 2010 sale al frente junto a un calendario

Una página de producto que enlazaste el año pasado ahora devuelve un 404. Un dominio que quieres comprar resulta tener un pasado del que nadie habla. Un competidor reescribió en silencio su página de precios y no recuerdas qué decía antes. En todos los casos la pregunta es la misma: ¿cómo era esta página entonces? Para la mayoría de las páginas públicas, la Wayback Machine puede responderla.

En este artículo vemos cómo entran las páginas en el archivo y cuáles no entran nunca, cómo abrir y comparar versiones antiguas, cómo guardar una página, cómo listar capturas con la CDX API oficial (con una consulta real del 17 de noviembre de 2026) y qué puedes hacer con lo que encuentres.

¿Qué es la Wayback Machine?

La Wayback Machine es el archivo web de Internet Archive, una biblioteca sin ánimo de lucro con sede en San Francisco y reconocida como 501(c)(3), una categoría fiscal de Estados Unidos. Permite a cualquiera visitar versiones archivadas de páginas web: introduces una dirección, eliges una fecha y navegas por la página tal como era entonces. Su página de inicio decía el 17 de noviembre de 2026 que guarda más de un millón de millones de páginas web acumuladas con el tiempo.

El nombre viene de la máquina WABAC, la máquina del tiempo de los dibujos animados «Rocky y Bullwinkle». Internet Archive empezó a archivar la web en 1996 y abrió la Wayback Machine al público en 2001. Las preguntas frecuentes de la Wayback Machine describen su propósito como preservar la web para investigadores, historiadores y académicos.

Cada copia guardada se llama captura o instantánea (snapshot). Una captura es la página tal como la recibió un crawler en un momento concreto, identificada por una marca de tiempo de 14 dígitos: año, mes, día, hora, minuto y segundo. Una página de inicio popular puede capturarse varias veces al día; una página pequeña puede tener una sola captura o ninguna.

¿Cómo entran las páginas en la Wayback Machine?

Las páginas entran en el archivo mediante rastreos automáticos y peticiones de personas. Un crawler es un programa que descarga una página, sigue sus enlaces y repite el proceso. Internet Archive hace sus propios rastreos cada día y recibe rastreos de sus socios; las páginas bien enlazadas se encuentran mucho más a menudo que las páginas a las que nadie enlaza.

La segunda vía es Save Page Now, un formulario con el que cualquiera puede pedir al archivo que capture una página al momento; las extensiones de navegador y las aplicaciones móviles del archivo envían la misma petición. Las instituciones también pueden pagar por Archive-It, un servicio que hace rastreos programados de los sitios que elijan.

Algunas páginas no entran nunca. Las páginas de ayuda del archivo enumeran los motivos principales:

  • Páginas detrás de un inicio de sesión. No se recoge nada que pida contraseña, como un área de cliente o un foro solo para miembros.
  • Páginas a las que solo se llega con un formulario. Los crawlers no escriben en los cuadros de búsqueda, así que los resultados de búsqueda y las vistas filtradas suelen faltar.
  • Páginas construidas con scripts. Cuando JavaScript tiene que contactar con el servidor original para cargar contenido, la copia archivada pierde ese contenido o se rompe.
  • Páginas huérfanas. Una página sin ningún enlace que apunte a ella es difícil de encontrar para un crawler.
  • Sitios excluidos. Las reglas de robots.txt de un sitio o una petición directa de su propietario pueden dejar páginas fuera de la Wayback Machine.

Robots.txt es un archivo de texto plano en la raíz de un sitio que indica a los crawlers qué rutas pueden descargar; nuestra guía de robots.txt explica cómo se leen sus reglas.

Cómo ver una versión antigua de un sitio web

Para ver una versión antigua de un sitio web, abre web.archive.org, escribe la dirección y elige una captura en el calendario. Estos son los pasos tal como funciona el sitio el 17 de noviembre de 2026 (la interfaz solo está en inglés):

  1. Escribe la dirección. Introduce la URL completa en el cuadro de búsqueda de web.archive.org. El cuadro también acepta palabras, pero esa búsqueda solo encuentra páginas de inicio de sitios, no texto dentro de las páginas.
  2. Elige un año. La pestaña Calendar (calendario) muestra los años que tienen capturas; haz clic en el que necesites.
  3. Elige un día. Los días con capturas están marcados con puntos. Su color indica el resultado que obtuvo el crawler: azul para una página normal (código de estado HTTP 2xx), verde para una redirección (3xx), naranja para un error del cliente como 404 (4xx) y rojo para un error del servidor (5xx). Lo habitual es buscar el azul.
  4. Abre una captura. Pasa el cursor sobre un día y elige una hora en la lista que aparece. La página se abre dentro del archivo.
  5. Lee la dirección. La URL de la captura lleva su marca de tiempo, por ejemplo https://web.archive.org/web/20020120142510/http://example.com:80/ para el 20 de enero de 2002 a las 14:25:10. Si sustituyes la marca de tiempo por *, se listan todas las capturas de esa dirección.
  6. Compara dos fechas. Abre la pestaña Changes, selecciona dos capturas y haz clic en Compare (comparar). Las dos versiones aparecen lado a lado, con las diferencias resaltadas en azul y amarillo.

La pestaña Changes solo compara lo que el archivo llegó a capturar. Para saber cuándo cambia una página en lugar de descubrirlo meses después, necesitas revisarla según un calendario; nuestra guía sobre cómo detectar cambios en una página web explica cómo funciona.

Las pestañas de la página de una dirección muestran las mismas capturas de distintas formas:

VistaQué muestraPara qué sirve
CalendarCapturas por año y díaAbrir una versión pasada
ChangesDos capturas lado a ladoVer qué se editó
URLsTodas las direcciones archivadas bajo una rutaEncontrar páginas antiguas de un sitio
Collections (colecciones)El rastreo del que viene cada capturaComprobar el origen de una captura

Las pestañas Summary (resumen) y Site Map (mapa del sitio) ofrecen una visión general de las capturas de un sitio.

¿Cómo se guarda una página con Save Page Now?

Para guardar una página, abre Save Page Now, pega la dirección y pulsa el botón; el archivo captura la página con sus imágenes y su CSS y te da un enlace permanente a la copia.

Guarda una página cada vez. No rastrea el resto del sitio ni añade la dirección a futuros rastreos. El formulario tiene opciones adicionales, como Save outlinks (capturar también las páginas a las que enlaza) y Save screenshot (guardar una captura de pantalla); algunas necesitan una cuenta gratuita de archive.org.

Una captura nueva puede tardar en aparecer, y una guardada con Save Page Now puede desaparecer durante horas o días mientras pasa de un índice casi en tiempo real a uno de largo plazo. Sigue existiendo y vuelve a aparecer.

¿Para qué se usa la Wayback Machine?

La Wayback Machine se usa para recuperar contenido perdido, comprobar el historial de algo y demostrar qué decía una página en una fecha concreta:

  • SEO y migraciones de sitios. Las capturas antiguas muestran qué páginas, títulos y enlaces internos existían antes de un rediseño, de modo que se puede restaurar el contenido perdido y redirigir las direcciones antiguas. Los puntos verdes revelan redirecciones pasadas.
  • Revisar un dominio antes de comprarlo. Las capturas muestran si un dominio caducado alojó spam o un negocio muy distinto.
  • Investigación y periodismo. Los periodistas citan capturas para mostrar lo que publicó una organización, incluso después de que la página se editara o se borrara.
  • Arreglar enlaces rotos. Cuando desaparece una fuente citada, un enlace a su captura mantiene legible la referencia.
  • Investigación de mercado. Las capturas antiguas de páginas públicas de precios y productos muestran cómo cambió una oferta a lo largo de los años.
  • Asuntos legales. Internet Archive tiene un procedimiento para solicitar una declaración jurada (affidavit) sobre una captura para un tribunal.

¿Cómo funciona la Wayback CDX API?

La CDX API es la forma oficial de listar las capturas de una dirección en texto plano o JSON; CDX es el formato de índice que usa la propia Wayback Machine para encontrar capturas. El servidor está documentado en el README del Wayback CDX Server en GitHub, donde sigue marcado como beta.

El único parámetro obligatorio es url. Enviamos una solicitud para example.com, limitada a cinco filas, el 17 de noviembre de 2026 a las 02:34 UTC:

bash
curl -m 20 "https://web.archive.org/cdx/search/cdx?url=example.com&limit=5"

El servidor respondió en aproximadamente un segundo con estas líneas, sin cambios:

text
com,example)/ 20020120142510 http://example.com:80/ text/html 200 HT2DYGA5UKZCPBSFVCV3JOBXGW2G5UUA 1792
com,example)/ 20020328012821 http://www.example.com:80/ text/html 200 UY3I2DT2AMWAY6DECFCFYMT5ZOTFHUCH 481
com,example)/ 20020524041628 http://www.example.com:80/ text/html 200 UY3I2DT2AMWAY6DECFCFYMT5ZOTFHUCH 481
com,example)/ 20020528114741 http://www.example.com:80/ text/html 200 UY3I2DT2AMWAY6DECFCFYMT5ZOTFHUCH 481
com,example)/ 20020529173502 http://www.example.com:80/ text/html 200 UY3I2DT2AMWAY6DECFCFYMT5ZOTFHUCH 482

Cada línea tiene siete campos: la dirección normalizada (urlkey), la marca de tiempo, la URL original, el tipo de contenido, el estado HTTP, un digest y el tamaño almacenado en bytes. El digest es una huella del contenido, así que dos digests idénticos significan contenido idéntico. Aquí la captura más antigua de example.com es del 20 de enero de 2002, y las capturas dos a cinco comparten un digest: la página no cambió entre marzo y mayo de 2002.

Unos cuantos parámetros hacen las respuestas más pequeñas y más útiles:

  • from y to limitan las fechas, escritas en el mismo formato que la marca de tiempo (from=2015&to=2016).
  • collapse=digest descarta las capturas contiguas con el mismo contenido, lo que deja una fila por cada cambio real.
  • matchType=prefix lista todas las capturas bajo una ruta, como todas las páginas de /blog/.

El servidor limita una sola respuesta a 150.000 filas por defecto, y el README recomienda su API de paginación para consultas grandes. El archivo es gratuito y compartido, así que consúltalo con cuidado: envía una solicitud cada vez, mantén limit bajo, y detente y ve más despacio si recibes una respuesta 429 (demasiadas solicitudes) o 503 (servicio no disponible).

Ver, enlazar y citar páginas archivadas suele estar permitido y es gratis, pero una página archivada conserva sus derechos de autor originales. Una captura es una copia del trabajo de otra persona: volver a publicar su texto o sus imágenes, o reconstruir a partir de capturas un sitio que no es tuyo, requiere el permiso del titular de los derechos.

Los propietarios de sitios pueden pedir que sus páginas se excluyan. La página de retirada de contenido del archivo pide un correo a info@archive.org con las URL, el periodo que quieres excluir y el periodo durante el que controlaste el sitio; el equipo revisa cada solicitud y no promete ningún resultado de antemano. Las reclamaciones de derechos de autor siguen la política de derechos de autor del archivo.

Las páginas públicas pueden contener datos personales, y las preguntas frecuentes del archivo lo dicen. Existen archivos de perfiles y publicaciones públicas, pero poder encontrarlos no hace que la información sea libre de recopilar o reutilizar: las condiciones de la plataforma y las leyes de privacidad como el RGPD en la UE o la KVKK en Türkiye siguen aplicándose. La Wayback Machine es una biblioteca del registro público, no una herramienta para investigar a personas.

¿Hay alternativas a la Wayback Machine?

La Wayback Machine no es el único archivo web. Muchas bibliotecas nacionales archivan los sitios web de su propio país, a menudo con capturas que la Wayback Machine no tiene, y sus reglas de acceso cambian de una biblioteca a otra. Archive.today es un servicio distinto que guarda páginas sueltas a petición y conserva sus propias copias.

Para una investigación que necesita millones de páginas a la vez en lugar de una página en una fecha, encaja mejor otro tipo de archivo: Common Crawl publica cada mes un rastreo de la web como archivos de datos gratuitos. Nuestro artículo sobre qué es Common Crawl explica en qué se diferencian sus conjuntos de datos del visor de la Wayback Machine.

¿Por qué una página archivada puede diferir de lo que ven hoy los visitantes?

Una página archivada muestra la versión que recibió un crawler en un momento dado y desde una ubicación de red concreta. Muchos sitios cambian precios, moneda, idioma, productos o avisos de cookies según el país del visitante, así que la captura guarda la versión que correspondía a la dirección del crawler, que puede no ser la que ven tus clientes.

Para ver lo que una página muestra hoy a los visitantes de un país, tienes que cargar la página en vivo desde ese país. Los Proxies residenciales con segmentación por país y ciudad envían tu solicitud a través de una conexión doméstica en el lugar que elijas, así ves tus propias páginas localizadas, o una página pública de un competidor, como las ve un visitante local.

Las comprobaciones de precios y las auditorías de localización como estas son investigación de mercado en la web en vivo; la pregunta histórica la responde el archivo. Los proxies no tienen sitio delante de la propia Wayback Machine: se consulta gratis, y sus límites hacen que siga funcionando para todos.

Errores comunes

  • Suponer que todos los elementos tienen la misma fecha. Una imagen o un enlace que falta se rellena con la fecha más cercana que tenga el archivo, o con la web en vivo. Comprueba la marca de tiempo de cada dirección antes de tomar un detalle como prueba.
  • Tomar una página ausente como prueba. Que no haya captura no significa que la página nunca existiera; puede que estuviera detrás de un inicio de sesión, sin enlaces o excluida.
  • Usar el archivo como copia de seguridad. Las condiciones del archivo no cubren las copias de seguridad, y nada garantiza que tu sitio se haya capturado. Guarda tus propias copias.
  • Saturar el servidor CDX. Miles de solicitudes en paralelo ralentizan el servicio compartido para todos y acaban en errores 429. Usa collapse, límites pequeños y paginación.

Guía de decisión

Lo que necesitasOpción recomendada
Ver cómo era una página en una fecha pasadaLa pestaña Calendar
Ver qué cambió entre dos fechasLa pestaña Changes
Guardar ahora una copia citable de una páginaSave Page Now
Listar todas las capturas de una direcciónLa CDX API, despacio
Encontrar páginas antiguas de un sitioLa pestaña URLs o una consulta prefix
Revisar el pasado de un dominio antes de comprarloCapturas de varios años
Ver una página como la ven hoy los visitantes de otro paísLa página en vivo a través de una IP local
Mantener tu sitio fuera del archivoUna solicitud de exclusión por correo
Texto web masivo para investigación o IACommon Crawl

Preguntas frecuentes

¿La Wayback Machine está caída?

Si web.archive.org no carga para nadie, el problema está del lado del archivo y la única solución es esperar. Si falla una sola captura, prueba otra hora u otra fecha. Un error 429 significa demasiadas solicitudes en poco tiempo y un 503 significa que el servicio está saturado; en ambos casos, espera y vuelve a intentarlo despacio.

¿Cómo guardo una página en la Wayback Machine?

Abre web.archive.org/save, pega la dirección de la página y pulsa el botón de guardar; obtendrás un enlace permanente a la captura. Las extensiones del archivo para Chrome, Firefox y Safari y sus aplicaciones móviles hacen lo mismo desde la página en la que estás.

¿Puedo eliminar mi sitio de la Wayback Machine?

Puedes pedirlo. Escribe a info@archive.org con las URL, el periodo que quieres excluir y el periodo durante el que controlaste el sitio. Internet Archive revisa cada solicitud y no garantiza el resultado de antemano.

Sí, navegar, enlazar y citar páginas archivadas suele estar permitido. Reutilizar lo que encuentras es otra cosa: las páginas conservan sus derechos de autor y pueden contener datos personales, así que copiarlas requiere permiso y los datos personales están sujetos a leyes como el RGPD o la KVKK.

¿Por qué falta una página en la Wayback Machine?

Una página falta cuando ningún crawler llegó a ella o cuando se pidió al archivo que la dejara fuera: un inicio de sesión o un formulario delante, ningún enlace hacia ella, reglas de robots.txt, una solicitud de exclusión del propietario o contenido construido con scripts. Desde principios de 2026, además, algunos medios de noticias bloquean la Wayback Machine por temor al scraping para IA, así que sus artículos más recientes pueden no estar.

¿Puedo ver datos SEO antiguos de un sitio en la Wayback Machine?

En parte. Las capturas muestran lo que había en la página: títulos y metadescripciones (en el código fuente de la página), encabezados, enlaces internos y redirecciones, y archivos robots.txt cuando se capturaron. No muestran posiciones en buscadores, tráfico ni backlinks, que nunca formaron parte de la página; para tu propio sitio, ese historial está en Google Search Console.

En resumen

La Wayback Machine es el archivo gratuito de páginas web públicas de Internet Archive, formado por rastreos y por páginas que la gente guarda con Save Page Now. Escribe una dirección y elige una fecha para ver una página tal como se capturó, usa la pestaña Changes para ver qué se editó y recurre a la CDX API cuando necesites la lista de capturas como datos. No puede mostrar páginas detrás de un inicio de sesión, gran parte del contenido construido con scripts ni sitios excluidos, y cada captura es lo que vio un crawler en un solo momento. Úsala para recuperar, comprobar y citar; respeta los derechos de autor y la privacidad antes de reutilizar nada; y mira la página en vivo desde el país adecuado cuando la pregunta sea sobre el presente.