محفوظ کرݨ دا طریقہ
1. کیٹلاگ CDX انڈیکس رستے محفوظ نقل کردا اے
Internet Archive دے CDX نوں اک worker نال پوچھدے آں، درخواستاں وچ گھٹ توں گھٹ چھ سیکنڈ رکھدے آں، تے درخواست، ڈیٹا تے وقت دیاں حدّاں منندے آں۔ نتیجے صفحہ وار لیندے، ہر صفحے مگروں پیش رفت سنبھال لیندے آں تاکہ کم بناں دہرائے جاری رہے۔
- 403 جواب یا رسائی توں انکار تے رک کے دستی جائزہ لیندے آں؛ رکاوٹ توڑن دی کوشش نئیں کردے۔
- 429، 503 یا عارضی طور تے آف لائن صفحہ آوے تاں، اسی احتیاط نال انتظار کردے آں، فیر رک کے نتیجہ درج کردے آں۔
- ہر درخواست دا URL، حالت، سائز، مدت تے نتیجہ درج کردے آں۔
2. اسی کیہہ گِندے آں
اسی الگ الگ اقدامات نوں الگ رکھدے آں:
- محفوظ نقل قطاریں: ذخیرہ شدہ CDX ریکارڈز؛ اک محفوظ نقل URL تے ٹائم اسٹیمپ اے۔
- وکھ وکھ urlkeys: آرکائیو دے معمول بنائے URL، جنہاں وچ query-string دیاں وکھ صورتاں وی نیں۔
- کیننیکل آئٹم: پروٹوکول، www ذیلی ڈومین تے پورٹ معمول تے لیاؤن پچھوں صفحے دا اک راستہ۔
- ڈسٹنٹ ڈائجسٹ: اوہ مواد جو آرکائیو دے ڈائجسٹ دے مطابق مختلف ہوندا اے۔
- نکالا تے شائع کرݨا مختلف مراحل نیں۔ نکالنا اندرونی اے؛ اشاعت لئی اجازت درکار اے۔
/mat/107647 ورگے شناختی نمبر شمار نئیں۔ انہاں توں مواد دی تعداد نئیں کڈھدے۔
3. ہر URL دے لئے اک محفوظ نقل چنو
ہر نقل دی حالت، HTML قسم، درمیانی حجم نال موازنہ تے اصل مواد دی آخری تاریخ پرکھدے آں۔ سبھ توں نویں درست نقل چُندے، اخراج ناکام ہووے تاں پچھلی چُندے آں۔ انتخاب تے اخراج دیاں وجوہات ہر ریکارڈ تے درج نیں۔
4. نکالنا تے حفاظت
- خام جواب نوں اوہدے SHA-256 ڈائجسٹ سمیت نجی content-addressed ذخیرے وچ سنبھال دے آں۔
- اک قدامت پسند ایکسٹریکٹر عنوان، مصنف، سیکشن تے متن نوں پڑھتا اے، تے اسکرپٹ، فریم، اسٹائل تے ایونٹ ہینڈلرز نوں ہٹاتا اے۔
- لقطے دی تاریخ نوں اشاعت دی تاریخ نئیں منندے؛ صفحے تے تاریخ نہ ہووے تاں ایہہ صاف دسدے آں۔
- قارئین دے تبصرے تے فورم صارف دا مواد ہون کارن خارج نیں۔
- محفوظ کوڈ نوں ساڈے ڈومین تے کبھی وی لاگو نئیں کیتا جاندا اے۔
5. اصل متن تے ترمیم شدہ ایڈیشن
کڈھیا ہویا اصل متن بدلیا نئیں جا سکدا؛ اک ہور واری متن کڈھݨ نال نواں ریکارڈ بندا اے۔ علمی ایڈیشن الگ تہہ اے، جیدا ورژن نمبر تے مدیر دا نوٹ ہوندا اے۔ ایہہ حقوق دی پڑتال تے مدیر توں علاوہ دو آزاد علما دی منظوری مگروں ای شائع ہوندا اے۔
6. اسٹوریج تے بیک اپ
ساڈی 3-2-1-1-0 پالیسی اک نشانہ اے: تین پڑتال شدہ نقلاں، دو میڈیم تے، اک آف سائٹ، اک ناقابلِ تبدیلی یا وکھرے انتظام تھلے، تے بحالی دیاں آزمائشاں وچ صفر غلطیاں۔ اسی اصل حالت شائع کردے آں تے نقلاں دی گنتی نوں بیک اپ نئیں منندے۔
7. مصنوعی ذہانت
خودکار ٹیگز، ٹرانسکرپٹس یا خلاصے انسانی جائزے دے منتظر نیں۔ اوہ ماخذ توں منسوب نئیں نیں یا فتویٰ یا حکم جاری کرݨ لئی استعمال نئیں کیتے گئے نیں۔