Voor wie

Bewaar wat je leest, in een leesbaar formaat

Bladwijzers wijzen naar pagina’s die veranderen of verdwijnen. Een clip is de tekst zelf, in platte tekst met YAML-frontmatter, opgeslagen waar jij dat bepaalt. De extensie doet geen enkel netwerkverzoek, dus er is geen account dat kan verlopen en geen dienst die je toegang kan intrekken.

Waarom een verzameling links verdampt

Een bladwijzermap van tien jaar oud is voor een flink deel een lijst foutpagina’s. Sites worden opnieuw gebouwd, adressen veranderen, blogs gaan offline en een archiefdienst is er niet altijd bij geweest. Wat je bewaarde was de verwijzing, niet de tekst, en die verwijzing is precies het deel dat het minst lang meegaat.

Diensten die de tekst wél bewaren, verplaatsen het probleem. Je verzameling zit dan in een eigen formaat achter een account, en bij een prijswijziging, een overname of een sluiting moet je exporteren – als dat nog kan. Een export die je nooit hebt geprobeerd, is geen back-up maar een aanname.

Het derde probleem is terugvinden. Een archief dat je niet kunt doorzoeken, open je nooit, en dan had je het net zo goed niet kunnen aanleggen. Dat hangt aan twee keuzes die je aan het begin maakt: of de tekst zelf doorzoekbaar is – platte tekst wel, een schermafbeelding niet – en hoe de bestandsnaam eruitziet. Tweehonderd bestanden die Home of Artikel heten, zijn geen archief maar een hoop, ook al staat de tekst er gewoon in.

Wat je in handen houdt

• Duurzaam open formaat: platte tekst met YAML-frontmatter, leesbaar in elke editor
• Geen account en geen server – de extensie doet helemaal geen netwerkverzoeken
• Publicatiedatum en bron-URL worden samen met de tekst vastgelegd
• Het veld extraction legt vast hoe elke notitie tot stand kwam
• Werkt offline zodra het is opgeslagen, en blijft werken als de extensie verdwijnt
• Doorzoekbaar met elk zoekprogramma, want het zijn gewone tekstbestanden in een gewone map
• Geen limiet, geen dagquotum en geen aantal pagina’s waarna er iets verandert
• Tekstbestanden zijn klein, dus een archief van jaren past zonder nadenken in je gewone back-up

---
title: "Digitale collecties van de Koninklijke Bibliotheek"
source: "https://www.kb.nl/onderzoeken-vinden/digitale-collecties"
date: "2022-09-13T00:00:00.000Z"
extraction: "dom"
---

De gedigitaliseerde kranten lopen van 1618 tot 1995 en zijn doorzoekbaar op
volledige tekst.

Een archief opzetten

De twee beslissingen die er echt toe doen, neem je vóór het eerste bestand: hoe de bestandsnaam eruitziet en waar de map staat. De rest is later nog te veranderen.

1. Open Opties met een rechtermuisklik op het icoon en kies één map als archief. Eén map, niet vijf: je zoekt straks door het geheel, en een archief dat over meerdere plekken verspreid staat, doorzoek je in de praktijk nooit helemaal.
2. Zet het sjabloon voor de bestandsnaam op {date}-{domain}-{title}. De datum zet de map op volgorde, het domein zegt waar iets vandaan kwam, en de titel is waar je op zoekt. Deze keuze is het duurst om later te herzien.
3. Zet alle vijf frontmatter-velden aan. Voor een archief is de tekst de helft van de waarde; het adres, de datum en de aantekening hoe de tekst is verkregen zijn de andere helft.
4. Zet wat een klik op het icoon doet op “opslaan in map”. Archiveren gebeurt alleen als het niets kost op het moment zelf – elke stap ertussen is een stap waarop je afhaakt.
5. Neem de archiefmap op in je gewone back-up. Het zijn tekstbestanden, dus dat kost bijna niets, en het is de enige stap die je archief tegen een kapotte schijf beschermt.
6. Open na een maand een willekeurig bestand in een editor en zoek in de map op een woord dat je je herinnert. Dat is de test die je nooit doet en die het verschil laat zien tussen een archief en een verzameling die je alleen aanlegt.

Instellingen voor een archief

Een archief wordt beoordeeld op één moment: over vijf jaar, als je iets zoekt. Deze waarden zijn allemaal op dat moment gericht.

Archief/
  2011-06-09-de-toekomst-van-het-web.md
  2026-01-07-de-toekomst-van-het-web.md
  2026-01-07-de-toekomst-van-het-web-2.md

Het derde bestand is een tweede clip van dezelfde dag: bij een naambotsing
komt er een cijfer achter in plaats van dat er iets wordt overschreven. Het
bestand uit 2011 opent nog in elke editor en noemt in de frontmatter nog
steeds het adres waar het vandaan kwam.

Drie keer in de jaren erna

Een artikel uit 2011 dat nog opengaat

Een blogbericht dat je jaren geleden hebt opgehaald staat als tekstbestand in je archief. De site bestaat niet meer en het adres leidt naar een foutpagina. Het bestand opent in elke editor, en in de kop staat nog het adres waar het vandaan kwam en de datum die de pagina toen opgaf.

Dat het nog opengaat, komt doordat er niets tussen zit: geen eigen formaat, geen database, geen programma dat er nog moet zijn. Platte tekst met een YAML-kop is precies zo lang leesbaar als een tekstbestand leesbaar is.

Dezelfde pagina, twee keer bewaard

Je haalt een artikel opnieuw op zonder te controleren of je het al had. Er komt een tweede bestand met een cijfer achter de naam naast te staan; het eerste wordt niet overschreven.

Dat lijkt slordig en is het niet: de tweede vastlegging van een pagina die is gewijzigd, is vaak de interessantste van de twee. Wil je opruimen, dan zie je aan een diff meteen of de twee verschillen – en zo niet, dan gooi je er één weg.

Zoeken zonder verbinding

In de trein zoek je in je archiefmap naar een term die je je half herinnert. Je zoekprogramma doorzoekt de bestanden zelf, dus je krijgt de treffers met de omliggende regels erbij, zonder verbinding en zonder dat er een dienst iets over je zoekopdracht te weten komt.

Wat je ook offline hebt, is de context: het adres, de publicatiedatum en de aantekening hoe de tekst uit de pagina is gekomen staan in hetzelfde bestand. Wat je niet offline hebt, zijn de afbeeldingen – die zijn links gebleven.

Tegenover de gebruikelijke manieren

Er zijn vijf manieren om te bewaren wat je leest, en ze bewaren niet hetzelfde. Wat ze kosten staat in de derde kolom, ons eigen gereedschap inbegrepen.

Als het archief tegenvalt

De afbeeldingen zijn na een paar jaar weg

Ze waren links en geen bestanden. De extensie downloadt geen binaire bestanden, dus als de bron de plaatjes weghaalt of verhuist, tonen ze niets meer. Voor materiaal waarbij het beeld de kern is, moet je de afbeeldingen zelf apart opslaan – of accepteren dat je archief de tekst bewaart en niet het beeld.

Ik kan iets niet terugvinden terwijl ik weet dat ik het heb

Zoek op een woord uit de tekst en niet op de bestandsnaam. Het hele bestand is doorzoekbare tekst, inclusief het adres in de kop, dus je kunt ook op het domein zoeken als je je de bron wel herinnert en de titel niet. Levert dat niets op, dan is de clip destijds misschien in een andere map beland dan je denkt – bijvoorbeeld door een regel per website.

Het bestand ziet er raar uit in mijn editor

Bovenaan staat de frontmatter tussen twee streepjeslijnen: dat is YAML en geen tekst die je moet lezen. Editors die Markdown kennen tonen die als eigenschappenblok; een gewone teksteditor toont hem als regels. Beide zijn goed, want het is dezelfde tekst – er is geen weergave nodig om de inhoud te kunnen lezen.

Wat als de extensie ophoudt te bestaan?

Aan je bestanden verandert niets. Ze zijn na het schrijven van niets meer afhankelijk: geen account, geen server, geen programma dat nog moet draaien. Dat is precies het punt van het formaat – het archief moet het gereedschap kunnen overleven, en niet andersom.

Wat het niet bewaart

Het bewaart de tekst en niet de pagina: geen opmaak, geen schermafbeeldingen, geen pdf-versie. Afbeeldingen worden als link opgeslagen en die links wijzen nog naar de oorspronkelijke site, dus als die verdwijnt zijn de afbeeldingen weg. Video, audio en andere binaire bestanden worden niet gedownload. En er zit geen versiebeheer in: een tweede clip van dezelfde pagina komt naast de eerste te staan, niet eroverheen.

Vragen