Dành cho ai
Lưu nguồn trước khi nó bị sửa
Trang web bị sửa và bị gỡ. Một bản trích giữ toàn văn, URL nguồn và ngày đăng mà chính trang khai báo, trong một tệp thuần bạn tự giữ: không phải trong một dịch vụ có thể đóng cửa, đổi điều khoản hay lặng lẽ làm mất bản ghi.
Trang vẫn còn đó hôm qua
Một công ty đăng một tuyên bố, bạn trích dẫn nó, và tới lúc biên tập viên đọc bản nháp thì câu đó đã bị lặng lẽ viết lại – không ghi chú đính chính, không dấu thời gian, không có gì để chỉ ra. Hoặc trang đã biến mất hoàn toàn, và các kho lưu trữ công khai không kịp ghi lại vì nó chỉ tồn tại bốn tiếng vào một chiều Chủ nhật.
Ngay cả khi trang còn, phiên bản bạn đọc có thể không phải phiên bản người khác nhận được. Tường đồng ý cookie, biến thể theo vùng và thử nghiệm A/B khiến một URL không phải là tham chiếu ổn định tới một văn bản. Thứ bạn giữ được là những gì có trên màn hình khi bạn đọc, được lưu kèm địa chỉ và ngày mà trang tự khai báo.
Điều đó để lại vấn đề thực tế – việc chụp phải tức thì, nếu không nó sẽ không xảy ra. Một câu chuyện chạm tới bốn mươi trang, phần lớn đọc lướt và một nửa đọc vào giờ không ai muốn mở thêm một công cụ, dán URL rồi chờ dịch vụ phản hồi. Một lần trích xuất mất vài chục mili giây và thời gian đo được hiển thị ở góc cửa sổ; với chi phí đó, bạn chụp mọi thứ mình đọc, kể cả ba mươi chín trang rốt cuộc không quan trọng và một trang quan trọng.
Bản ghi chứa những gì
- Ngày đăng đọc từ siêu dữ liệu của chính trang – JSON-LD,
article:published_time,time[datetime]– không phải từ phần văn bản. - URL nguồn nằm trong frontmatter của mọi ghi chú.
- Toàn văn bài viết không kèm thanh điều hướng và khối quảng bá vốn thay đổi giữa các lượt truy cập.
- Trường
extractionghi lại văn bản đã được lấy bằng cách nào, nên ghi chú kiểm tra lại được nhiều tháng sau. - Tệp thuần: không định dạng độc quyền, không tài khoản, không dịch vụ nào có thể thu hồi quyền truy cập tư liệu của chính bạn.
- Mẫu tên tệp có thể mang
{date}, tức ngày trích xuất, trong khi ngày đăng vẫn là trường riêng, nên hai ngày không bao giờ bị nhầm. - Không một thẻ HTML nào sót lại trên 512 trang đã đo, nên đoạn văn dán vào CMS không mang theo mã đánh dấu mà CMS sẽ cố hiển thị.
- Chuỗi thảo luận Reddit được giữ nguyên dạng chuỗi, kèm điểm của từng bình luận – tín hiệu xếp hạng mà một lần sao chép phẳng sẽ phá hủy.
--- title: "Regulator opens inquiry into data-sharing arrangement" source: "https://apnews.com/article/…" author: "Staff reporter" date: "2026-03-04T09:12:00.000Z" extraction: "dom" --- The inquiry will examine agreements signed between 2023 and 2025, according to a notice published on Wednesday.
Thiết lập cho một câu chuyện
Toàn bộ mục đích là việc chụp không tốn gì vào lúc bạn đọc. Mọi thứ dưới đây được chọn để gỡ một quyết định khỏi khoảnh khắc đó và chuyển nó vào phần cài đặt.
- Mở Tùy chọn từ biểu tượng tiện ích và trỏ nơi lưu vào thư mục của câu chuyện –
stories/data-sharing/sources. Mỗi câu chuyện một thư mục, quyết định một lần, nên không có gì phải sắp xếp về sau. - Đặt việc cú nhấp vào biểu tượng sẽ làm là “lưu vào thư mục”. Khác với quy trình nghiên cứu, quy trình làm tin không nên mở cửa sổ – kiểm tra đến sau khi chụp, vì trang có thể không còn đó khi bạn quay lại.
- Đặt mẫu tên tệp là
{date}-{domain}-{title}. Ngày chụp và cơ quan báo chí là hai thứ bạn dùng để sắp xếp khi thư mục chứa bốn mươi trang trong nửa tháng. - Bật mọi trường frontmatter.
datelà ngày đăng mà trang khai báo;sourcelà URL chính xác trên thanh địa chỉ, kể cả chuỗi truy vấn có thể cho biết một biến thể theo vùng. - Kiểm tra
Alt+Shift+Mđã được gán ởchrome://extensions/shortcuts. Phím tắt thì được dùng lúc mười một giờ đêm; menu thì không. - Thêm quy tắc theo trang web cho các diễn đàn bạn làm việc cùng,
reddit.comvào thư mục con riêng, để manh mối và nguồn đã công bố không nằm chung một đống. - Trích xuất trang trước khi liên hệ bất kỳ ai về nó. Một yêu cầu bình luận là cách chắc chắn nhất khiến trang thay đổi, và bản chụp sau đó là bản sai.
Cài đặt để chụp nhanh
Mỗi giá trị ở đây đổi một chút kiểm tra lúc chụp lấy sự chắc chắn là đã chụp. Bạn có thể kiểm tra tệp lúc rảnh; bạn không thể đọc lại một trang đã biến mất.
| Cài đặt | Giá trị | Vì sao chọn giá trị này |
|---|---|---|
| Cú nhấp vào biểu tượng | Lưu vào thư mục | Không cửa sổ, không hộp thoại, không quyết định nào vào lúc trang vẫn còn |
| Nơi lưu | Mỗi câu chuyện một thư mục | Nguồn tính theo từng câu chuyện, và thư mục là thứ có thể cho biên tập viên hoặc luật sư xem |
| Mẫu tên tệp | `{date}-{domain}-{title}` | Ngày chụp và cơ quan báo chí là hai trục bạn dùng để sắp xếp bốn mươi nguồn |
| Frontmatter | Bật mọi trường | `source` giữ URL chính xác, kể cả chuỗi truy vấn đánh dấu biến thể theo vùng |
| Hình ảnh | Giữ liên kết | URL của hình thường là dấu vết duy nhất cho biết bức ảnh nào đã được dùng trước khi bị thay |
| Quy tắc theo trang web | `reddit.com` → thư mục con `leads` | Manh mối chưa kiểm chứng và nguồn đã công bố không nên chung một đống |
| Phím tắt | `Alt+Shift+M` | Việc chụp cần mở menu là việc chụp không xảy ra ngoài giờ làm |
--- 2026-03-04-regulator-opens-inquiry.md +++ 2026-03-25-regulator-opens-inquiry.md @@ -date: "2026-03-04T09:12:00.000Z" +date: "2026-03-04T09:12:00.000Z" @@ -The inquiry will examine agreements signed between 2023 and 2025. +The inquiry will examine agreements signed in 2024. @@ +Updated 25 March: an earlier version misstated the period under review.
Ba lần chụp
Trang chỉ tồn tại bốn tiếng
Một công ty đăng tuyên bố vào chiều Chủ nhật. Bạn đọc, nhấn phím tắt, và tệp đã nằm trong thư mục câu chuyện trước khi bạn kịp quyết định nó có quan trọng không. Tới thứ Hai, trang trả về 404 và các kho lưu trữ công khai chưa từng thấy nó, vì không ai gửi URL khi trang còn.
Thứ bạn giữ là văn bản, địa chỉ và ngày mà trang tự khai báo: không phải bằng chứng, nhưng là bản ghi đủ để đặt câu hỏi cho công ty – nội dung này đã được đăng tại địa chỉ này, và đây là những gì nó viết.
Hai lần chụp và một bản diff
Bạn trích xuất một bản tin của hãng thông tấn vào buổi sáng nó được đăng, và trích xuất lại ba tuần sau khi một đồng nghiệp nhắc rằng cách diễn đạt đã đổi. Tệp thứ hai được thêm hậu tố số thay vì thay tệp đầu, nên cả hai đều nằm trên ổ đĩa.
Bản diff giữa chúng cho thấy giai đoạn được xem xét bị thu hẹp từ “2023 và 2025” thành “2024”, và một ghi chú cập nhật được thêm ở cuối. Không thay đổi nào thấy được từ URL, và không thay đổi nào khôi phục được từ một dấu trang.
Chuỗi thảo luận làm manh mối, giữ nguyên dạng chuỗi
Một chuỗi thảo luận trên diễn đàn địa phương nêu tên ba người từng làm việc tại một địa điểm trong giai đoạn bạn đang tìm hiểu. Bạn trích xuất nó: cấu trúc lồng nhau thành các trích dẫn khối lồng nhau và mỗi bình luận giữ điểm của mình, nên câu trả lời được mọi người đồng tình vẫn phân biệt được với câu không ai đồng tình.
Nó vào thư mục con leads thay vì thư mục câu chuyện, theo quy tắc chứ không theo quyết định. Sáu tháng sau, sự phân biệt đó là khác biệt giữa nguồn bạn chỉ ra được và tư liệu bạn chỉ từng đọc.
So với các cách khác để giữ một trang
Đây không hẳn là các lựa chọn thay thế mà là những bảo đảm khác nhau. Hãy đọc kỹ cột thứ ba. Bảo đảm mạnh nhất không phải là thứ tiện ích này mang lại.
| Cách đang làm | Bạn nhận được gì | Cái giá phải trả |
|---|---|---|
| Dịch vụ lưu trữ web công khai | Bản sao độc lập, có dấu thời gian, ai cũng kiểm tra được | Cần mạng và dịch vụ; một số trang chặn nó, và đó là thêm một công cụ vào lúc bạn đang đọc |
| Chụp màn hình trang | Bố cục như lúc hiển thị | Không văn bản tìm kiếm được, không URL trong hình, không ngày đăng |
| In ra PDF | Bản sao dạng trang trên ổ đĩa | Có cả banner đồng ý cookie, không diff được, không tìm kiếm được trên cả thư mục |
| Lưu trang dạng HTML | Bản sao cục bộ đầy đủ kèm tài nguyên | Nặng, khó đọc, và diff giữa hai lần chụp không đọc nổi |
| Sao chép vào tài liệu ghi chú | Chữ, nhanh | Phần phụ đi kèm, còn URL và ngày thì không |
| Clean Web Clipper | Văn bản, địa chỉ và ngày khai báo, trong vài giây | Không bố cục, không tài nguyên, và không dấu thời gian của bên thứ ba. Đó là bản sao của bạn, không phải bằng chứng |
Khi bản chụp không như bạn nghĩ
Không có gì hiển thị sau hộp thoại đồng ý
Một số trang hoàn toàn không gửi bài viết cho tới khi bạn trả lời hộp thoại đồng ý, nên không có gì trong trang để bất kỳ tiện ích nào đọc và bản trích báo “không có bài viết”. Hãy trả lời hộp thoại, để trang hiển thị, rồi trích xuất. Dù thế nào, thanh đồng ý cũng bị loại khỏi kết quả. Đây cũng là lý do phiên bản bạn chụp là đúng phiên bản được phục vụ cho bạn, ở vùng của bạn, trong phiên đó.
Nó từ chối trang tường thuật trực tiếp hoặc trang chuyên mục
Cả hai phần lớn là nhãn liên kết, và tiện ích từ chối mọi trang mà hơn khoảng một phần tư số ký tự trích xuất nằm trong liên kết. Với trang tường thuật trực tiếp, hãy trích xuất liên kết cố định của từng mục nếu trang có. Với trang chuyên mục, hãy trích xuất bài viết thay vì danh sách. Danh sách chính là thứ lẽ ra sẽ tới nơi thành ba trăm liên kết.
Thiếu phần bình luận
Bình luận được coi là phần phụ của trang và bị cắt, với một ngoại lệ – trên Reddit, chuỗi thảo luận được giữ kèm điểm của từng bình luận. Ở nơi khác, phần bình luận không phân biệt được với các khối quảng bá xung quanh, và giữ nó đồng nghĩa với giữ cả những khối đó.
Ngày đăng không phải ngày tôi mong đợi
Trường này chứa ngày mà trang khai báo trong mã đánh dấu của chính nó: JSON-LD datePublished, article:published_time, time[datetime]. Một trang ghi đè giá trị đó khi sửa bài sẽ báo ngày mới hơn, và tiện ích nhắc lại điều trang nói thay vì tự suy đoán. Đó thêm một lý do để ngày chụp nằm riêng, trong tên tệp.
Nó không phải là gì
Nó không phải kho lưu trữ web. Nó lưu văn bản và siêu dữ liệu, không lưu trang như lúc hiển thị – không bố cục, không ảnh chụp, không tài nguyên, và không có dấu thời gian của bên thứ ba chứng minh lúc bạn chụp. Để có bản ghi trực quan, độc lập, hãy dùng dịch vụ lưu trữ web; công cụ này nhanh hơn, nằm trên ổ đĩa của bạn và trả lời một câu hỏi khác. Bình luận được coi là phần phụ của trang và bị cắt, trừ trên Reddit, nơi chuỗi thảo luận được giữ kèm điểm của từng bình luận.
Câu hỏi
Đây có phải thứ thay thế kho lưu trữ web không?
Bản trích có đứng vững làm bằng chứng không?
Nó có chụp phần bình luận không?
Nó có ghi lại lúc tôi trích xuất không?
{date}, tức ngày trích xuất. Ngày đăng vẫn là một trường frontmatter riêng, nên hai ngày không bao giờ bị nhầm.