ＨＯＭＥ ｜ 事務所紹介 ｜ サーチャー紹介 ｜講習会・講演会・執筆 ｜ コラムバックナンバー ｜お問合せ ｜
ＨＯＭＥ ｜ 事務所紹介 ｜ サーチャー紹介 ｜講習会・講演会・執筆 ｜ コラムバックナンバー ｜お問合せ ｜
注意：内容は執筆時点での情報です
コラム第１３１号（2013/12/10UP）
「過去のウェブページを確認する」
以前のコラム１２９号で、データベース化されにくい情報の例として、
雑誌や新聞の広告を検索する例をご紹介しました。
雑誌や新聞の広告をデータベース化するには、
「検索可能に電子化する」ということから始めないといけないのですが、
最初から電子データとして発信されるにもかかわらず、データ蓄積されにくいモノの例として、
「ウェブページ」が挙げられます。
今回のコラムでは、過去のウェブページの調査について書いてみたいと思います。
Ｇｏｏｇｌｅ検索から古いウェブページを閲覧する
現在公開されているウェブページは、当然ながらＧｏｏｇｌｅなどの検索エンジンで調査できます。
また、Ｇｏｏｇｌｅのキャッシュから過去のウェブページを閲覧することは可能です。
このＧｏｏｇｌｅキャッシュで、過去の期間を指定して、過去のウェブページを閲覧するのが、
かなり一般的な検索方法かと思います。
Ｇｏｏｇｌｅ検索での過去の期間指定方法をご存じのかたは多いとは思いますが、簡単に試してみましょうか。
Ｇｏｏｇｌｅの検索ページを開きます。
古い情報の検索例として、検索ボックスに 「ケータイ 着メロ」 と入力してＧｏｏｇｌｅ検索します。
最初は普通に関連度の高い順にヒットします。
ここで画面上方に表示されている 「検索ツール」 ボタンをクリックすると、
「検索ツール」ボタンの下の段に、言語や機関指定のプルダウンキーが表示されます。
このうち「期間指定なし」を「期間を指定」に変更すると、カレンダー形式で機関指定できる小窓が表示されます。
試しに１０年前のウェブページとして２００３年のウェブページを検索してみましょう。
「開始日:」を「2003/01/01」、 「終了日:」を「2003/12/31」 と半角入力して 「選択」をクリックします。
ヒット結果一覧に表示されるページが、２００３年１月から１２月の日付のページになると思います（多少例外もあります）。
実際に各ウェブページを表示させると、２００３年の更新日付が入っているページなどがヒットしています。
ただし、
じつはＧｏｏｇｌｅでの期間指定検索は、一般的なウェブページ利用者向けのサービスであって、
私たちのような調査屋には使えない面があるのです。
というのも、
そもそも私たち調査屋は、「過去」 に 「実際に公開された情報」 を知りたいわけです。
例えば特許調査における代表例として、特許の無効資料調査を挙げるならば、
特定の日付け以前に、ある「サービス方法」が公開されていないかどうか知りたい。
この場合、実際の過去の日付に公開されていた情報であることを証明できないといけない。
と書くと、
“え？ さっきのＧｏｏｇｌｅの検索で１０年前のページが確認できたじゃん？” と思われるでしょう。
ところが、これが違うのです。
もう一度さっきのＧｏｏｇｌｅの２００３年の検索結果一覧のページを表示させてください。
先ほどは実際のページへのリンクをクリックして、ウェブページを表示させたと思いますが、
今度は、実際のページへのリンクの下にある 「▼」 をクリックします。
すると 「キャッシュ」 と表示されますので、これをクリックします。
そしてＧｏｏｇｌｅが、このウェブページを取得（収集）した時点でのウェブページが表示されます。
ここで画面上方に、
「これは Google に保存されている http://・・・・・/ のキャッシュです。 このページは 20XX年XX月XX日 ・・・・
に取得されたものです。」
というメッセージが表示されているはずです。
この取得された日付を確認してください。２００３年ではないはずです。かなり新しい日付けでしょう。
ほとんどが今年の今月の日付けのはずです。
Ｇｏｏｇｌｅでは一般利用者向けに「現在閲覧可能な情報」を提供してくれるのです。
だから保存されるデータも、なるべく最新の情報に更新し、
すでにサーバに存在しなくて閲覧できないページはヒットしにくい仕組みになっています。
具体的に言うなら、２００３年時点に公開されたページであっても、
内容が更新されればＧｏｏｇｌｅのキャッシュに保存されるウェブページも上書きされるし、
サーバから削除されれば、Ｇｏｏｇｌｅのキャッシュからも削除されやすい。
これは一般利用者にとっては良いことです。
簡単に言えば、リンク切れで閲覧できないようなページはヒットしないので、
常に閲覧可能なページを検索することができます。
でも私たちのような「過去に実際に公開された情報を知りたい」という利用者には、残念な仕組みです。
過去に公開された状態でのウェブページは、どこにある？
ご存知の方も多いとは思いますが、ウェブページの収集を国立国会図書館が行っています。
インターネット資料収集保存事業（ＷＡＲＰ：Ｗｅｂ Ａｒｃｈｉｖｉｎｇ Ｐｒｏｊｅｃｔ）です。
２００２年以降の日本国内のウェブサイトを保存しています。
特に公的機関（国の機関、地方自治体、独立行政法人、国公立大学など）のウェブサイトを大規模に収集し、
民間のウェブサイトは発信者の許諾が得られたものを保存しています。
実際に「古いウェブページ」検索してみましょうか。
インターネット資料収集保存事業（ＷＡＲＰ）のトップページを開いて、
画面上方の 「
キーワード検索」の欄に、
古い検索用語の例として 「ケータイ 着メロ」 と入力して 「検索」 ボタンをクリックします。
数百件のデータがヒットすると思います。参考として２０１３年１２月１０日現在、２４４件ヒットしました。
基本表示はウェブページの「適合度順」です。 これを保存日の古い順に並べ替えてみます。
画面右方のプルダウンキー「適合度順」を「保存日」に変えます。
その右側の「降順」を「昇順」に変えます。 さらに右にある「表示」ボタンをクリックします。
保存日が２００３年や２００４年頃のウェブページタイトルとＵＲＬなどが一覧表示されると思います。
既に約１０年前のウェブページです。
これらのトップ２～３件のどれかをクリックすると、画面上方に青地に白抜きで「ＷＡＲＰ」のロゴと、
「ご覧いただいているのは国立国会図書館が保存した20XX年XX月XX日時点のページです。」
というメッセージ表示欄と共に、ウェブページが表示されます。
この「20XX年XX月XX日」の日付は２００３年や２００４年など、古い日付けでしょう。
この点が、さきほどのＧｏｏｇｌｅのキャッシュデータと違う点です。
実際に２００３年や２００４年に公開された情報が確認できます。
ここで試しにメッセージ表示欄の 「最新の情報はオリジナルサイト（URL：http://・・・・・）でご確認下さい。」 の
ＵＲＬをクリックしてみてください。
ほとんどがリンクエラー表示されると思います。
つまり、既に本物（オリジナル）のウェブページは存在しないのです。
本当なら、このウェブページは閲覧できません。
それをインターネット資料収集保存事業（ＷＡＲＰ）で収集保存してくれてあるから、検索も閲覧も可能なのです。
私たち調査屋に必要なのは、このような情報なんですよね。
さらに広範囲で過去のウェブページを閲覧するなら・・・
上でご紹介した国立国会図書館が行っているインターネット資料収集保存事業（ＷＡＲＰ）は、
上でも書いた通り公的機関のウェブサイトが中心で、
民間のウェブサイトは発信者の許諾が得られたもののみ保存されています。
しかも日本国内のウェブサイトに限定されています。
これをさらに民間のウェブサイトや、海外のウェブサイトまで含めて閲覧したい場合に、
最も有名なサイトは、「Internet Archive Wayback Machine」でしょう。
このサイトをご存知のかたは多いはずです。
Internet Archive Wayback Machinenのトップページを表示させます。
ＵＲＬでの検索になりますが、
例えば皆さんがブラウザを起動させた際のホームページに設定してあるかたが多いと思われる、「ＹＡＨＯＯ！ＪＡＰＡＮ」の
古いウェブページを閲覧してみましょうか。
「http:// 」 の検索ボックスに 「http://www.yahoo.co.jp/」 と入力して 「ＢＲＯＷＳＥ ＨＩＳＴＯＲＹ」ボタンをクリックします。
画面上方に年で区切ったデータ収集頻度グラフが表示されると思います。
試しに１０年程度以前の年をクリックしてみてください。
カレンダー形式のマップで、データ収集された日が水色の丸で表示されます。
適当な日をクリックしてみてください。
・・・懐かしい（！）ページが表示されるはずです。 “そうそう！以前はこんな画面だった！” でしょう。
ニュースの表示も、その当時のニュースのタイトルが表示されています（懐かしいニュースですよね）。
ただし、例えばニュースを表示しようとしてもリンクエラーになる可能性が高いです。
ＵＲＬからのウェブページ閲覧ではありますが、情報調査の面からは、この Internet Archive Wayback Machine も使える情報です。
例えば、特許文献検索から特定される出願人（企業）から、あるサービスが特定の時期に実施されたと推測される場合、
Internet Archive Wayback Machineで、その企業のＵＲＬから検索して、
その時期のウェブページで、実際に実施されたサービス内容を確認するなどの使い方ができます。
・・・ちなみに、
Internet Archive Wayback Machineでは、かなり網羅的にデータ収集しているようです。
今回このコラムを書くにあたって、試しに情報サロン味岡のウェブページを検索したら、
なんと（！）ヒットました。ビックリです。個人事務所のウェブページなのに。
たぶんＧｏｏｇｌｅのクローラーのようなプログラムを使っていると思うので、
個人事務所だろうが、大企業だろうが、公的機関だろうが無関係に収集しているとは思いますが、
それでも、あまり他からリンクされていない（！）味岡事務所のページが
初期のものから収集されているのには感心してしまいます。
既に手元に残っていないウェブページが表示されて、・・・なんだか恥ずかしい（？）です。
皆さんも、自社のウェブページで試されると、過去の情報が保存されている状況が実感できるかもしれません。
今回はウェブページについて書きましたが、
ウェブページに限らず、「情報」というのは意識して収集・保存しないと、
簡単に無くなっちゃうものなんですよね。そのような情報の収集・保存について、
情報の重要性を認識している「図書館」が、ぜひ収集・保存をリードしていってほしいなと思います。
ＨＯＭＥ