O que é a Wayback Machine? Como ver páginas antigas da web

Publicado:

16 min de leitura

Acar Diveroli
Autor: Acar Diveroli
Capturas em pé da mesma página se apagam com os anos ao fundo; uma azul de 2010 é puxada à frente ao lado de um calendário

Uma página de produto para a qual você colocou um link no ano passado agora retorna 404. Um domínio que você quer comprar tem um passado de que ninguém fala. Um concorrente reescreveu discretamente a página de preços e você não lembra o que ela dizia antes. Em todos os casos a pergunta é a mesma: como era esta página naquela época? Para a maioria das páginas públicas, a Wayback Machine consegue responder.

Este artigo mostra como as páginas entram no arquivo e quais nunca entram, como abrir e comparar versões antigas, como salvar uma página, como listar capturas com a CDX API oficial (com uma consulta real feita em 17 de novembro de 2026) e o que você pode fazer com o que encontrar.

O que é a Wayback Machine?

A Wayback Machine é o arquivo da web do Internet Archive, uma biblioteca sem fins lucrativos com sede em São Francisco, reconhecida nos EUA como entidade 501(c)(3). Ela permite que qualquer pessoa visite versões arquivadas de páginas web: você digita um endereço, escolhe uma data e navega pela página como ela era naquela época. A página inicial dela dizia, em 17 de novembro de 2026, que guarda mais de 1 trilhão de páginas web salvas ao longo do tempo.

O nome vem da máquina WABAC, a máquina do tempo do desenho animado "Rocky e Bullwinkle". O Internet Archive começou a arquivar a web em 1996 e abriu a Wayback Machine ao público em 2001. O FAQ da Wayback Machine descreve o objetivo dela como preservar a web para pesquisadores, historiadores e acadêmicos.

Cada cópia salva se chama captura ou instantâneo (snapshot). Uma captura é a página como um crawler a recebeu em um momento, identificada por um carimbo de data e hora de 14 dígitos: ano, mês, dia, hora, minuto e segundo. Uma página inicial popular pode ser capturada várias vezes por dia; uma página pequena pode ter uma única captura ou nenhuma.

Como as páginas entram na Wayback Machine?

As páginas entram no arquivo por rastreamentos automáticos e por pedidos de pessoas. Um crawler é um programa que baixa uma página, segue os links dela e repete o processo. O Internet Archive faz os próprios rastreamentos todos os dias e recebe rastreamentos de parceiros; páginas com muitos links apontando para elas são encontradas com muito mais frequência do que páginas para as quais ninguém aponta.

O segundo caminho é o Save Page Now, um formulário em que qualquer pessoa pode pedir ao arquivo que capture uma página na hora; extensões de navegador e os aplicativos móveis do arquivo enviam o mesmo pedido. Instituições também podem pagar pelo Archive-It, que faz rastreamentos agendados dos sites que elas escolhem.

Algumas páginas nunca entram. As páginas de ajuda do arquivo listam os principais motivos:

  • Páginas atrás de login. Nada que exija senha, como uma área de conta ou um fórum só para membros, é coletado.
  • Páginas acessíveis só por formulário. Crawlers não digitam em caixas de busca, então resultados de busca e visualizações filtradas costumam faltar.
  • Páginas montadas por scripts. Quando o JavaScript precisa contatar o servidor original para carregar conteúdo, a cópia arquivada perde esse conteúdo ou quebra.
  • Páginas órfãs. Uma página sem nenhum link apontando para ela é difícil de ser encontrada por um crawler.
  • Sites excluídos. As regras do robots.txt de um site ou um pedido direto do dono do site podem manter páginas fora da Wayback Machine.

O robots.txt é um arquivo de texto simples na raiz de um site que diz aos crawlers quais caminhos eles podem buscar; nosso guia de robots.txt explica como as regras dele são lidas.

Como ver uma versão antiga de um site

Para ver uma versão antiga de um site, abra web.archive.org, digite o endereço e escolha uma captura no calendário. Estes são os passos de acordo com o funcionamento do site em 17 de novembro de 2026 (a interface existe só em inglês):

  1. Digite o endereço. Digite a URL completa na caixa de busca de web.archive.org. A caixa também aceita palavras, mas essa busca só encontra páginas iniciais de sites, não texto dentro das páginas.
  2. Escolha um ano. A aba Calendar (calendário) lista os anos que têm capturas; clique no que você precisa.
  3. Escolha um dia. Os dias com capturas são marcados com pontos. A cor mostra o resultado que o crawler obteve: azul para uma página normal (código de status HTTP 2xx), verde para um redirecionamento (3xx), laranja para um erro do cliente como 404 (4xx) e vermelho para um erro do servidor (5xx). Normalmente, o azul é o que você quer.
  4. Abra uma captura. Passe o mouse sobre um dia e escolha um horário na lista que aparece. A página abre dentro do arquivo.
  5. Leia o endereço. A URL da captura traz o carimbo de data e hora, por exemplo https://web.archive.org/web/20020120142510/http://example.com:80/ para 20 de janeiro de 2002 às 14:25:10. Trocar o carimbo de data e hora por * lista todas as capturas desse endereço.
  6. Compare duas datas. Abra a aba Changes, selecione duas capturas e clique em Compare (comparar). As duas versões aparecem lado a lado, com as diferenças destacadas em azul e amarelo.

A aba Changes só compara o que o arquivo chegou a capturar. Para saber quando uma página muda, em vez de descobrir meses depois, a página precisa ser verificada com uma agenda; nosso guia sobre como monitorar alterações em um site mostra como isso funciona.

As abas da página de um endereço mostram as mesmas capturas de formas diferentes:

VisualizaçãoO que mostraPara que serve
CalendarCapturas por ano e diaAbrir uma versão antiga
ChangesDuas capturas lado a ladoVer o que foi editado
URLsTodos os endereços arquivados sob um caminhoEncontrar páginas antigas de um site
Collections (coleções)O rastreamento de onde veio cada capturaVerificar a origem de uma captura

As abas Summary (resumo) e Site Map (mapa do site) dão uma visão geral das capturas de um site.

Como salvar uma página com o Save Page Now?

Para salvar uma página, abra o Save Page Now, cole o endereço e aperte o botão; o arquivo captura a página com as imagens e o CSS e entrega um link permanente para a cópia.

Ele salva uma página por vez. Não rastreia o resto do site e não inclui o endereço em rastreamentos futuros. O formulário tem opções extras, como Save outlinks (capturar também as páginas para as quais a página aponta) e Save screenshot (salvar uma captura de tela); algumas delas exigem uma conta gratuita no archive.org.

Uma captura nova pode demorar a aparecer, e uma salva com o Save Page Now pode sumir por horas ou dias enquanto passa de um índice quase em tempo real para um índice de longo prazo. Ela continua existindo e volta a aparecer.

Para que as pessoas usam a Wayback Machine?

As pessoas usam a Wayback Machine para recuperar conteúdo perdido, verificar históricos e mostrar o que uma página dizia em determinada data:

  • SEO e migração de sites. Capturas antigas mostram quais páginas, títulos e links internos existiam antes de um redesign, para que o conteúdo perdido seja restaurado e os endereços antigos sejam redirecionados. Pontos verdes revelam redirecionamentos passados.
  • Verificar um domínio antes de comprar. As capturas mostram se um domínio expirado já hospedou spam ou um negócio muito diferente.
  • Pesquisa e jornalismo. Jornalistas citam capturas para mostrar o que uma organização publicou, mesmo depois que a página foi editada ou apagada.
  • Corrigir links quebrados. Quando uma fonte citada desaparece, um link para a captura dela mantém a referência legível.
  • Pesquisa de mercado. Capturas antigas de páginas públicas de preços e produtos mostram como uma oferta mudou ao longo dos anos.
  • Questões jurídicas. O Internet Archive tem um procedimento para solicitar uma declaração juramentada (affidavit) sobre uma captura para uso em tribunal.

Como funciona a Wayback CDX API?

A CDX API é a forma oficial de listar as capturas de um endereço em texto simples ou JSON; CDX é o formato de índice que a própria Wayback Machine usa para encontrar capturas. O servidor está documentado no README do Wayback CDX Server no GitHub, onde ainda aparece marcado como beta.

O único parâmetro obrigatório é url. Enviamos uma requisição para example.com, limitada a cinco linhas, em 17 de novembro de 2026, às 02:34 UTC:

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

O servidor respondeu em cerca de um segundo com estas linhas, sem alterações:

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 linha tem sete campos: o endereço normalizado (urlkey), o carimbo de data e hora, a URL original, o tipo de conteúdo, o status HTTP, um digest e o tamanho armazenado em bytes. O digest é uma impressão digital do conteúdo, então digests iguais significam conteúdo igual. Aqui, a captura mais antiga de example.com é de 20 de janeiro de 2002, e as capturas dois a cinco compartilham o mesmo digest: a página não mudou entre março e maio de 2002.

Alguns parâmetros deixam as respostas menores e mais úteis:

  • from e to limitam as datas, escritas no mesmo formato do carimbo de data e hora (from=2015&to=2016).
  • collapse=digest descarta capturas vizinhas com o mesmo conteúdo, o que deixa uma linha por mudança real.
  • matchType=prefix lista todas as capturas sob um caminho, como todas as páginas em /blog/.

O servidor limita uma única resposta a 150.000 linhas por padrão, e o README recomenda a API de paginação dele para consultas grandes. O arquivo é gratuito e compartilhado, então consulte-o com cuidado: envie uma requisição por vez, mantenha limit baixo e pare e desacelere se receber uma resposta 429 (requisições demais) ou 503 (serviço indisponível).

Ver, linkar e citar páginas arquivadas em geral é permitido e gratuito, mas uma página arquivada mantém os direitos autorais originais. Uma captura é uma cópia do trabalho de outra pessoa: republicar o texto ou as imagens dela, ou reconstruir com capturas um site que não é seu, exige a permissão do titular dos direitos.

Donos de sites podem pedir que as páginas deles sejam excluídas. A página de remoção do arquivo pede um e-mail para info@archive.org com as URLs, o período a excluir e o período em que você controlava o site; a equipe analisa cada pedido e não promete nenhum resultado com antecedência. Reclamações de direitos autorais seguem a política de direitos autorais do arquivo.

Páginas públicas podem conter dados pessoais, e o FAQ do arquivo diz isso. Existem arquivos de perfis e posts públicos, mas encontrá-los não torna a informação livre para coletar ou reutilizar: os termos da plataforma e leis de privacidade como o GDPR, na União Europeia, ou a KVKK, na Türkiye, continuam valendo. A Wayback Machine é uma biblioteca do registro público, não uma ferramenta para investigar indivíduos.

Existem alternativas à Wayback Machine?

A Wayback Machine não é o único arquivo da web. Muitas bibliotecas nacionais arquivam os sites do próprio país, muitas vezes com capturas que faltam na Wayback Machine, e as regras de acesso variam de biblioteca para biblioteca. O Archive.today é um serviço separado que salva páginas avulsas a pedido e guarda as próprias cópias.

Para pesquisas que precisam de milhões de páginas de uma vez, e não de uma página em uma data, outro tipo de arquivo serve melhor: o Common Crawl publica um rastreamento mensal da web como arquivos de dados gratuitos. Nosso artigo sobre o que é o Common Crawl explica como os conjuntos de dados dele diferem do visualizador da Wayback Machine.

Por que uma página arquivada pode ser diferente do que os visitantes veem hoje?

Uma página arquivada mostra a versão que um crawler recebeu em um momento, a partir de um único local de rede. Muitos sites mudam preços, moeda, idioma, produtos ou avisos de consentimento de cookies conforme o país do visitante, então a captura guarda a versão que correspondia ao endereço do crawler, que pode não ser a que os seus clientes veem.

Para ver o que uma página mostra hoje aos visitantes de determinado país, você precisa carregar a página ao vivo a partir desse país. Os Proxies residenciais com segmentação por país e cidade enviam a sua requisição por uma conexão residencial no lugar que você escolher, e assim você vê as suas páginas localizadas, ou uma página pública de um concorrente, como um visitante local vê.

Verificações de preço e auditorias de localização como essas são pesquisa de mercado na web ao vivo; a pergunta histórica fica com o arquivo. Proxies não têm lugar na frente da própria Wayback Machine: ela é gratuita para navegar, e os limites dela a mantêm funcionando para todos.

Erros comuns

  • Achar que todos os elementos têm a mesma data. Uma imagem ou um link que falta é preenchido com a data mais próxima que o arquivo tem, ou com a web ao vivo. Confira o carimbo de data e hora em cada endereço antes de tratar um detalhe como prova.
  • Tomar uma página ausente como prova. Não haver captura não significa que a página nunca existiu; ela pode ter ficado atrás de login, sem links ou excluída.
  • Usar o arquivo como backup. Os termos do arquivo não cobrem backups, e nada garante que o seu site foi capturado. Guarde as suas próprias cópias.
  • Sobrecarregar o servidor CDX. Milhares de requisições paralelas deixam o serviço compartilhado lento para todos e terminam em erros 429. Use collapse, limites pequenos e paginação.

Guia de decisão

O que você precisaOpção indicada
Ver como uma página era em uma data passadaA aba Calendar
Ver o que mudou entre duas datasA aba Changes
Guardar agora uma cópia citável de uma páginaSave Page Now
Listar todas as capturas de um endereçoA CDX API, devagar
Encontrar as páginas antigas de um siteA aba URLs ou uma consulta prefix
Verificar o passado de um domínio antes de comprarCapturas de vários anos
Ver uma página como os visitantes de outro país a veem hojeA página ao vivo por um IP local
Manter o seu site fora do arquivoUm pedido de exclusão por e-mail
Texto da web em massa para pesquisa ou IACommon Crawl

Perguntas frequentes

A Wayback Machine está fora do ar?

Se web.archive.org não carrega para ninguém, o problema está do lado do arquivo e a única saída é esperar. Se só uma captura falha, tente outro horário ou outra data. Um erro 429 significa requisições demais em pouco tempo, e um 503 significa que o serviço está sobrecarregado; nos dois casos, espere e tente de novo devagar.

Como salvar uma página na Wayback Machine?

Abra web.archive.org/save, cole o endereço da página e aperte o botão de salvar; você recebe um link permanente para a captura. As extensões do arquivo para Chrome, Firefox e Safari e os aplicativos móveis dele fazem o mesmo a partir da página em que você está.

Posso remover o meu site da Wayback Machine?

Você pode pedir. Envie um e-mail para info@archive.org com as URLs, o período a excluir e o período em que você controlava o site. O Internet Archive analisa cada pedido e não garante o resultado com antecedência.

Sim, navegar, linkar e citar páginas arquivadas em geral é permitido. Reutilizar o que você encontra é diferente: as páginas mantêm os direitos autorais e podem conter dados pessoais, então copiar exige permissão, e os dados pessoais estão sujeitos a leis como o GDPR ou a KVKK.

Por que uma página não está na Wayback Machine?

Uma página falta quando nenhum crawler chegou até ela ou quando o arquivo recebeu um pedido para deixá-la de fora: um login ou formulário na frente, nenhum link para ela, regras do robots.txt, um pedido de exclusão do dono ou conteúdo montado por scripts. Desde o começo de 2026, alguns veículos de notícias também bloqueiam a Wayback Machine por preocupação com o scraping para IA, então os artigos mais novos deles podem estar ausentes.

Dá para ver dados antigos de SEO de um site na Wayback Machine?

Em parte. As capturas mostram o que estava na página: títulos e meta descriptions (no código-fonte), cabeçalhos, links internos e redirecionamentos, e arquivos robots.txt quando foram capturados. Elas não mostram rankings, tráfego nem backlinks, que nunca fizeram parte da página; para o seu próprio site, esse histórico está no Google Search Console.

Em resumo

A Wayback Machine é o arquivo gratuito de páginas web públicas do Internet Archive, formado por rastreamentos e por páginas que as pessoas salvam com o Save Page Now. Digite um endereço e escolha uma data para ver uma página como ela foi capturada, use a aba Changes para ver o que foi editado e recorra à CDX API quando precisar da lista de capturas como dados. Ela não mostra páginas atrás de login, boa parte do conteúdo montado por scripts nem sites excluídos, e cada captura é a visão de um único crawler em um único momento. Use-a para recuperar, verificar e citar; respeite os direitos autorais e a privacidade antes de reutilizar qualquer coisa; e olhe a página ao vivo a partir do país certo quando a pergunta for sobre hoje.