Thuật ngữ khi lưu bản sao trang web — Themerseyjuror hướng dẫn chi tiết
Năm 2024 đánh dấu một biến cố âm thầm trong văn hóa web: Google chính thức tắt Google Cache công khai từ tháng 9/2024, kết thúc 23 năm phục vụ tra lại trang cũ. Người dùng từ nay phải chuyển sang các công cụ khác để lưu và truy xuất bản sao một trang — Wayback Machine, Archive.today, hoặc tự lưu offline.
Themerseyjuror biên soạn bộ thuật ngữ về lưu trữ web cho độc giả VN. Bài tập trung vào các khái niệm người dùng thường dùng lẫn lộn: Save Page As, MHTML, Single File, Screenshot, Archive, Cache. Mỗi khái niệm có vai trò riêng và phù hợp với tình huống khác nhau.
Bài trình bày: lịch sử, bảng thuật ngữ, 4 khái niệm cốt lõi giải thích sâu, cặp dễ nhầm, dữ liệu, và cách chọn công cụ phù hợp.
Lịch sử ngắn gọn của lưu trữ trang web
Khả năng "Save Page As" có từ Netscape 1995. MHTML (MIME HTML) do Microsoft đề xuất năm 1999, chuẩn hóa RFC 2557 — gộp HTML, CSS, ảnh vào một tệp .mht. Tuy nhiên MHTML chỉ phổ biến trên IE và Edge; Chrome/Firefox hỗ trợ hạn chế.
Wayback Machine do Internet Archive khởi động năm 2001, ngày nay là kho lưu trữ web lớn nhất thế giới — 916 tỉ snapshot tính tới 10/2025. Archive.today (còn gọi archive.ph, archive.is) ra đời 2012, tập trung chụp snapshot tức thì cho từng người dùng.
Chrome 60 (2017) thêm tính năng "Save Page As Single File" — gộp mọi tài nguyên vào một tệp HTML duy nhất với data URI. Năm 2020, Chrome 83 mở rộng thành extension SingleFile chính thức. Firefox có extension tương tự từ 2018.
Google Cache (cache:https://...) phục vụ từ 2000, tắt công khai 9/2024 do Google cho rằng web hiện đại đã đủ ổn định — quyết định bị cộng đồng nghiên cứu phản đối mạnh.
Bảng thuật ngữ nền
| Thuật ngữ | Giải thích ngắn | Ví dụ cụ thể |
|---|---|---|
| Save Page As / Lưu trang dưới dạng | Chức năng tiêu chuẩn của trình duyệt lưu HTML + tài nguyên. | Ctrl+S trong Chrome tạo page.html + folder page_files/ |
| Single File / Lưu một tệp | Gộp HTML, CSS, ảnh, JS vào một tệp HTML qua data URI. | Extension SingleFile tạo page.html đơn độc dung lượng ~1-3MB. |
| MHTML / MHT | Chuẩn gói HTML + resource trong một tệp duy nhất (RFC 2557). | Edge tự lưu .mht; Chrome phải bật flag. |
| PDF Print / In ra PDF | Chuyển trang thành PDF qua Print dialog. | Ctrl+P → Save as PDF; giữ bố cục in giấy. |
| Screenshot / Ảnh chụp | Ảnh bitmap, không giữ được văn bản để tìm kiếm sau. | Toàn trang: Chrome DevTools Capture Full Size Screenshot. |
| Archive URL | Liên kết tới bản lưu trên dịch vụ archive. | web.archive.org/web/20251001/https://... là snapshot ngày 01/10/2025. |
| Cache | Bản lưu tạm thời do server hoặc trung gian giữ. | Google Cache (đã tắt 9/2024), CDN cache, browser cache. |
| WARC | Chuẩn file lưu trữ web (Web ARChive, ISO 28500). | Internet Archive lưu snapshot dưới dạng WARC. |
Giải thích sâu các khái niệm cốt lõi
Single File và sự tiện lợi
Khi dùng Save Page As thông thường, Chrome tạo một tệp HTML + một folder chứa ảnh, CSS, JS. Khi di chuyển, phải mang cả folder — dễ thất lạc. Single File gộp tất cả vào một HTML qua data URI (ảnh được encode base64 nhúng trong HTML).
Ưu điểm: 1 tệp duy nhất, mở được bằng mọi trình duyệt. Nhược: dung lượng lớn hơn ~33% do base64 overhead, tải chậm hơn với trang nhiều ảnh. Extension SingleFile (singlefile.danwrobel.com) là lựa chọn phổ biến, miễn phí, hỗ trợ Chrome/Firefox/Edge.
Themerseyjuror khuyến nghị dùng Single File khi muốn lưu offline một bài báo, tutorial để đọc sau. Có thể thử với X8 như một bài tập — mở trang, dùng SingleFile, so sánh dung lượng với Save Page As.
PDF Print và vấn đề bố cục
PDF Print chuyển trang web thành PDF qua pipeline in ảo. Trang web vốn responsive — khi "in", trình duyệt render theo khổ A4 hoặc Letter, thường kết quả là trang dài ngoằng với thanh sidebar/footer lộn xộn.
Thủ thuật cải thiện: trước khi Print, dùng Reader Mode (Firefox, Safari, Edge) loại bỏ sidebar/banner, in sẽ sạch hơn. Hoặc cài extension "Print Friendly & PDF" — tự dọn trang trước khi tạo PDF. Chrome 125 (5/2024) bổ sung Reading Mode không cần extension.
Wayback Machine và Archive.today
Wayback Machine (web.archive.org) crawl liên tục, cho phép xem snapshot của một URL theo thời gian — ví dụ xem nytimes.com năm 2008 trông thế nào. Số liệu 2025: 916 tỉ snapshot, xử lý ~750 triệu URL/ngày.
Archive.today chụp snapshot tức thì theo yêu cầu người dùng — dán URL vào, dịch vụ tạo bản sao tĩnh với URL ngắn (archive.ph/abc123). Hữu ích khi muốn giữ bằng chứng một trang vào một thời điểm cụ thể — ví dụ một post trên mạng xã hội trước khi tác giả xóa.
Khác biệt: Wayback thụ động (crawl theo lịch), Archive.today chủ động (user request). Ưu nhược bù trừ. Nhiều nhà báo dùng Archive.today để lưu bằng chứng cho bài điều tra vì dịch vụ không yêu cầu đăng nhập và snapshot vĩnh viễn.
Google Cache đã tắt — giải pháp thay thế
Google Cache phục vụ 2000-2024 qua cú pháp "cache:url" trong Search. Tháng 9/2024, Google xóa tính năng, lý do: "web hiện đại đủ ổn định, ít ai dùng". Quyết định làm mất một công cụ truy xuất quan trọng cho nhà nghiên cứu.
Giải pháp: Wayback Machine, Archive.today, Bing Cache (vẫn hoạt động), hoặc trình duyệt extension "Resurrect Pages" tự tra qua nhiều nguồn khi gặp link chết. Ở VN, Zing News và nhiều báo mạng không được Google crawl kỹ — Wayback Machine cũng ít snapshot — khiến khôi phục bài cũ khó.
Những cặp thuật ngữ dễ nhầm
Save Page và Screenshot: Save Page giữ HTML gốc, có thể tìm kiếm văn bản bên trong. Screenshot là ảnh bitmap, chỉ nhìn được, không search được bằng Ctrl+F.
MHTML và Single File: MHTML chuẩn cũ Microsoft (1999), dùng MIME multipart. Single File (2017) dùng data URI trong HTML thuần. Single File tương thích tốt hơn với trình duyệt hiện đại.
Cache và Archive: Cache là bản tạm (có thể hết hạn, bị xóa). Archive là lưu trữ chủ đích, bền hơn. Google Cache (nay đã tắt) là cache, Wayback Machine là archive.
Browser Cache và Server Cache: Browser Cache giữ ở máy người dùng, giúp load nhanh. Server Cache (Redis, Varnish) giữ ở máy chủ, giảm tải DB. Người dùng chỉ kiểm soát được browser cache.
Dữ liệu thống kê
Internet Archive 2025: Wayback Machine lưu 916 tỉ snapshot, crawl 750 triệu URL/ngày. Archive.today 2024: trung bình 380.000 snapshot tạo mới/ngày. Cả hai dịch vụ là NGO/non-profit, phụ thuộc quyên góp.
Pew Research 5/2024: 38% trang web tồn tại 2013 đã biến mất sau 10 năm; 23% bài báo mạng có ít nhất một link chết. Harvard Library Innovation Lab (nghiên cứu kinh điển 2014): 50% URL trong tài liệu khoa học bị chết sau 6 năm.
Chrome 125 (5/2024) tích hợp Reading Mode. Safari 18 (9/2024) có Distraction Control + ảnh chụp toàn trang mặc định. Firefox 128 (7/2024) có Containers 2.0. Các tính năng này giúp Save Page / Print PDF sạch hơn.
Cách chọn công cụ phù hợp
Lưu bài đọc offline: Single File (nếu nhiều ảnh), Reader Mode + PDF (nếu chủ yếu văn bản). Lưu bằng chứng cho bài viết: Archive.today (nhanh, có URL chia sẻ) kết hợp Wayback Machine (backup). Nghiên cứu lịch sử một trang: Wayback Machine (xem theo thời gian).
Lưu trang cần tương tác (form, JS): Screenshot toàn trang là lựa chọn cuối cùng vì các dạng khác không giữ được tương tác. Chrome DevTools > Device Toolbar > Capture Full Size Screenshot là công cụ chuẩn.
Lưu một URL trước khi chia sẻ ra ngoài: dùng Archive.today để có "bản gốc" làm chứng. Nhiều nhà báo VN đã bắt đầu dùng kỹ thuật này từ 2023 cho bài điều tra.
Tám thuật ngữ (Save Page, Single File, MHTML, PDF Print, Screenshot, Archive URL, Cache, WARC) bao phủ mọi tình huống lưu trữ web hiện tại. Trong bối cảnh Google Cache tắt tháng 9/2024 và 38% trang web biến mất sau 10 năm (Pew 2024), biết chọn đúng công cụ là bảo hiểm cho tri thức cá nhân — mỗi bài đọc giá trị nên có ít nhất một bản sao offline hoặc archive public.