WARC (ファイルフォーマット)

「ARC (ファイルフォーマット)（英語版）」あるいは「WAR (アーカイバ)」とは異なります。

その他の用法については「ウェブアーカイブ (曖昧さ回避)」をご覧ください。

この項目「WARC (ファイルフォーマット)」は翻訳されたばかりのものです。不自然あるいは曖昧な表現などが含まれる可能性があり、このままでは読みづらいかもしれません。（原文：英語版 "WARC (file format)" 2025年3月28日 (金) 22:00 (UTC)） 修正、加筆に協力し、現在の表現をより自然な表現にして下さる方を求めています。ノートページや履歴も参照してください。（2025年4月）

WARC（Web ARChive）とは、複数のデジタル資源を関連情報と共に1つの集合アーカイブファイルに統合する方法を規定するアーカイブフォーマットである。これらの統合された資源はWARCファイルとして保存され、ReplayWeb.pageなどの適切なソフトウェアを使用して再生できたり、ウェイバックマシンなどのアーカイブウェブサイトで使用できる。

WARCフォーマットは従来World Wide Webから収集された「ウェブクロール」をコンテンツブロックのシーケンスとして保存するために使用されていたインターネットアーカイブのARC_IAファイルフォーマットの改訂版である。WARCフォーマットはアーカイビング団体の収集、アクセス、交換の需要をより適切にサポートするために古いフォーマットを一般化したものである。現在記録されている主なコンテンツに加えて、この改訂版では指定されたメタデータ、省略された重複検知イベント、後日の変換記録など関連する二次コンテンツも収容できる。WARCフォーマットはHTTP/1.0ストリームに触発されており、同様のヘッダーとCRLFを区切り文字として使用するので、クローラの実装に非常に適している。

2008年に最初に仕様が規定されたWARCは、現在ではほとんどの国立図書館システムでウェブアーカイビングの標準として認められており、一部の国立図書館システムではWACZも許容できるフォーマットとして挙げられ始めている。

ソフトウェア

• ArchiveBox
• ArchiveWeb.page
• Apache Nutch（英語版）
• Conifer（英語版）
• har2warc
• Java製のHeritrixウェブアーカイバ
• libarchive（英語版）
• ReplayWeb.page
• Scoop
• StormCrawler（英語版）
• warcit
• wget（バージョン1.14から）
• WebsiteArchiver

脚注

関連項目

• ZIM (ファイルフォーマット)
• HAR (ファイルフォーマット)

外部リンク

• WARC File Format specifications - ウェイバックマシン（2023年11月8日アーカイブ分） （英語）
• The WARC File Format (ISO 28500) - Information, Maintenance, Drafts （英語）
• WARC, Web ARChive file format （英語）
• WARC implementation guidelines （英語）
• Welcome （英語）
• 13. Internet Archive ARC files （英語）
• The WARC Ecosystem （英語）

この項目は、コンピュータに関連した書きかけの項目です。この項目を加筆・訂正などしてくださる協力者を求めています（PJ:コンピュータ/P:コンピュータ）。

• 表示
• 編集