Um die „Schw\u00e4chen“ beim bisherigen Import aufzuzeigen, wird in diesem Beitrag der letzte Blog-Eintrag der ArchivistaBox verwendet: 2022\/VIII und neue Preise.<\/a> <\/strong>Um eine (diese) Seite als HTML-Datei zu sichern, ist sie im Web-Browser als HTML-Seite zu speichern. Danach kann sie in den Office-Ordner der ArchivistaBox verschoben werden.<\/p>\n Bei der Verarbeitung wird LibreOffice aufgerufen, aus der HTML-Datei entsteht eine PDF-Datei und diese wiederum wird f\u00fcr den Import verwendet. Dabei werden zwar grundlegende HTML-Elemente erfasst, doch geht es um etwas mehr Gestaltung (was mittlerweile bei fast allen Homepages der Fall ist), dann versagt der HTML-Import.<\/p>\n In fast allen modernen Browsern ist es m\u00f6glich, beim Drucken direkt eine PDF-Datei zu erstellen. \u00dcbliche Seiten (dazu z\u00e4hlt auch unser Beispiel) einer Webpage k\u00f6nnen damit in zufriedenstellender Qualit\u00e4t erfasst werden.<\/p>\n Schwieriger wird es, wenn die Inhaltsanbieter die letzten HTML-Kniffs verwenden. Als Beispiel sei hier die Homepage von blick.ch angef\u00fchrt. Die (z.B. ab Firefox) erstellen PDF-Dateien verm\u00f6gen leider nicht in Ans\u00e4tzen das „hervorzuzaubern“, was origin\u00e4r auf der Homepage vorhanden war.<\/p>\n Wer Webseiten layoutgenau archivieren m\u00f6chte, sieht sich zun\u00e4chst einmal mit dem Problem konfrontiert, dass eine HTML-Seite aus vielen kleinen Puzzleteilen besteht. Wer folglich einfach die HTML-Datei mit ‚Speichern unter‘ sichert, findet im Dateimanager neben der eigentlichen HTML-Datei meist eine Unzahl weiterer Dateien vor.<\/p>\n Es reicht folglich nicht, einfach die HTML-Datei zur ArchivistaBox zu \u00fcbertragen, weil damit die Bilder und Layoutvorlagen (CSS-Dateien) fehlen. Ebenso enthalten HTML-Dateien oft und gerne externe Skript-Dateien, die f\u00fcr ein korrektes Anzeigen der Inhalte zwingend notwendig sind.<\/p>\n An dieser Stelle setzt das Firefox AddOn ‚SingleFile‘ ein. Dieses ist ab Version 2022\/IX zusammen mit aktualisiertem Firefox auf der ArchivistaBox enthalten. Der Button-Knopf (Icon) befindet sich oben rechts im Browser. Ein Klick darauf gen\u00fcgt, dass alle externen HTML-Elemente in die von SingleFile erstellen HTML-Datei „verfrachtet“ werden.<\/p>\n Diese Datei kann danach bequem \u00fcber den Datei-Upload bzw. den ArchivistaBox-Freigabe-Ordner (office-Verzeichnis) \u00fcbertragen werden.<\/p>\n Im Unterschied zu fr\u00fcheren Versionen werden HTML-Dateien dabei neu mit Firefox selber im sogenannten Headless-Modus verarbeitet. Der Browser wird im Hintergrund bei der Verarbeitung ge\u00f6ffnet und gleichzeitig wird anhand der HTML-Datei eine Bildschirmkopie erstellt. Zus\u00e4tzlich wird der Text direkt aus dem Original extrahiert und in die ArchivistaBox \u00fcberf\u00fchrt. Analog zum obigen Beispiel hier auch nochmals die blick.ch-Seite:<\/p>\n Gerade bei aufw\u00e4ndigen Layouts (z.B. weisse Schrift in Bildern) k\u00f6nnen so deutlich bessere Resultate erzielt werden, als dies der Fall w\u00e4re, wenn entweder die Texterkennung „angeworfen“ w\u00fcrde oder der Text \u00fcber eine generierte PDF-Datei ausgelesen w\u00fcrde.<\/p>\n Die Resultate k\u00f6nnen sich sehen lassen. Selbst komplette Layouts werden perfekt verarbeitet, die generierten Seiten in der ArchivistaBox bieten nahezu 100% Passgenauigkeit zu den Originalen.<\/p>\n \u00dcbrigens: All jenen, die an einwenden, es w\u00e4re doch einfacher, eingelesene HTML-Dateien jeweils direkt als HTML-Datei (z.B. in einem neuen Tab) in einem Browser-Fenster darzustellen, sei gesagt: Wer in der ArchivistaBox beim jeweiligen Dokument auf ‚Datei‘ klickt, erh\u00e4lt genau dies.<\/p>\n Nur, wer garantiert, dass in f\u00fcnf oder zehn Jahren die jeweiligen Browser die Inhalte in der urspr\u00fcnglichen Form darstellen k\u00f6nnen, wenn (nach ca. 30 Jahren Web-Technologie) das Drucken von komplexeren HTML-Seiten noch immer nicht befriedigend funktioniert?<\/p>\n Alleine aus diesem Grund ist das virtuelle „Scannen“ der Inhalte essentiell, gerade bei HTML-Inhalten. Die ArchivistaBox bietet mit „gerasterten“ Kopien der Inhalte seit nunmehr fast 25 Jahren eine Langfristigkeit bei den eingepflegten Daten an, die es sonst auf dem Markt so nicht gibt. Stellvertretend f\u00fcr viele sei auf das Konzept f\u00fcr die Langzeitarchivierung der Universit\u00e4t verwiesen.<\/p>\n Darin<\/a><\/strong> wird aufgelistet, welche Formate sich f\u00fcr die Langzeitarchivierung eignen. Interessanterweise findet sich das HTML-Format darin gerade nicht. Vielmehr wird entweder das Tiff-Format oder prim\u00e4r PDF\/A empfohlen. Schon erstaunlich, nach mittlerweile ca. 30 Jahren WWW wird in diesem Leitfaden HTML gar nicht erst als Quelle angef\u00fchrt.<\/p>\n Ebenso darf angef\u00fchrt werden, dass zwar eingebetteter JavaScript-Code in den PDF\/A-Dateien „zul\u00e4ssig“ ist, alle Audio- und Video-Inhalte d\u00fcrfen explizit nicht in die Langzeitarchivierung gem\u00e4ss diesem Konzept \u00fcberf\u00fchrt werden.<\/p>\n Die nachfolgenden Neuerungen finden sich sowohl auf AVMultimedia wie auf der ArchivistaBox. Wie bereits oben angef\u00fchrt, die Version 2022\/IX wird mit aktualisiertem Firefox (aktuell Version 105) ausgeliefert. Ebenso aktualisiert bzw. bereinigt wurden die AddOns. Nicht mehr an Bord ist Hide-My-IP, da das AddOn nicht mehr „gepflegt“ wird. Mit der Integration von ProtonVPN steht ganz grunds\u00e4tzlich eine w\u00fcrdige Alternative zur Verf\u00fcgung.<\/p>\n L\u00e4stig in den letzten Monaten gestaltet sich die Captcha-Manie allenthalben. Und noch l\u00e4stiger dabei ist, dass einmal mehr das Monopol\u00a0 ‚reCaptcha‘ des Suchriesen sich fast seuchenm\u00e4ssig ausbreitet. Das mag gut f\u00fcr den Giganten sein (ein jeder Klick generiert Nutzerdaten), es ist aber aktuell eine Plage. Auch wenn das AddOn ‚Buster: Captcha-Solver-for-Humans‘ nicht alle reCaptchas eliminiert, in vielen F\u00e4llen bietet der Klick Abhilfe, m\u00fchsamste Bilder-„Orgien“ k\u00f6nnen vermieden werden.<\/p>\n Technologisch betrachtet arbeitet die L\u00f6sung so, dass der Audio-Stream an den Buster-Server gesendet wird. Dieser „l\u00f6st“ das R\u00e4tsel mit Spracherkennung. Da reCaptcha allenthalben mit neuen unsinnigen Beispielen „gef\u00fcttert“ wird, kann es leider manchmal vorkommen, dass die Spracherkennung nicht zum gew\u00fcnschten Resultat f\u00fchrt. Bilder-Klicken ist dann ja noch immer m\u00f6glich.<\/p>\n Weiter auf der ArchivistaBox enthalten ist UBlock, um m\u00f6glichst sorgenfrei im Internet surfen zu k\u00f6nnen. Zwei drei diskrete Adds auf einer Suchmaske, dagegen h\u00e4tte wohl niemand etwas zu meckern. Der Suchriese ist ja genau damit angetreten. Nur, mittlerweile gestaltet sich das Surfen im Netz zum Spiessrutenlauf, es wird derart viel Werbung eingeblendet, dass UBlock hier zumindest eine gewisse Abhilfe ergibt.<\/p>\n Neu bzw. als Alternative zum bisherigen Fingerprinting ist CanvasBlocker enthalten. Da mittlerweile der gr\u00f6sste Teil der Hompeages mit Cookies „\u00fcberfrachtet“ ist, anhand derer eindeutiger Keys das Surf-Verhalten nahtlos „getrackt“ werden kann, generiert CanvasBlocker im Prinzip zuf\u00e4lligen M\u00fcll, damit das Tracking (zumindest) erschwert wird.<\/p>\n Beide AddOns arbeiten so, dass es eine Lernkurve gibt, d.h. die Tools lernen aufgrund des Surf-Verhaltens. Damit der „Trainingseffekt“ nicht nach jedem Neustart verlorengeht, kann neu der .mozilla-Ordner unter \/home\/archivista beim Neustart beibehalten werden, sofern er zuvor nach \/home\/archivista\/data\/mozilla kopiert wurde.<\/p>\n Das obige Vorgehen bietet sich auch dann an, wenn eigene AddOns aktiviert werden sollen. Wichtig beim Anlegen des .mozilla-Ordners ist nat\u00fcrlich, dass gecachte Dateien zuvor eliminiert werden.<\/p>\n An sich w\u00e4re das Netz ja offen f\u00fcr alle und \u00fcberall zu jeder Zeit. Immer h\u00e4ufiger werden jedoch sogenannte Geo-Sperren aktiviert. Wer z.B. einen Film bei Arte.tv ansehen m\u00f6chte, findet (falls in der Schweiz unterwegs) den lapidaren Hinweis, dass die Inhalte in dieser Sprachregion nicht zur Verf\u00fcgung st\u00fcnden.<\/p>\n Mit ProtonVPN l\u00e4sst sich dies „aushebeln“. Wichtig zu erw\u00e4hnen ist, dass an dieser Stelle keine Abhandlung erfolgen kann, ob virtuelle private Netzwerke in allen L\u00e4ndern bzw. in welchen Staaten legal bzw. illegal sind. \u00dcberdies erfordert der Einsatz von ProtonVPN ein Konto beim Anbieter und in der freien Version sind nur einige wenige Standort (Niederlande und USA) verf\u00fcgbar. Wer mehr m\u00f6chte, muss ein Abo l\u00f6sen (Kosten aktuell zwischen 5 bis 15 Franken\/Euro f\u00fcr zehn Ger\u00e4te).<\/p>\n Bei der ArchivistaBox bzw. AVMultimedia ist aktuell die Konsolen-Version verf\u00fcgbar. Mit ‚protonvpn init‘ kann das Konto eingerichtet werden. Wer diesen Vorgang \u00fcber den Neustart hinaus aktiviert haben m\u00f6chte, muss die Dateien bzw. Ordner jeweils aktivieren. Das nachfolgende Skript m\u00f6ge als Hilfestellung dienen, wie dies bewerkstelligt werden kann:<\/p>\n Wer kennt nicht das Problem. Immer wieder fallen auf dem Desktop die gleichen Abl\u00e4ufe an. Mit dem Paket xmacro k\u00f6nnen diese Abl\u00e4ufe automatisiert werden. Dazu stehen neu die Programme ‚xmacrorec2‘ und ‚xmacroplay‘ zur Verf\u00fcgung.<\/p>\n Nachtrag vom 22.9.22:<\/strong> Auf linuxnews.de ist eine News zur Version 2022\/IV erschienen.<\/a><\/strong> Gerade auch an linuxnews.de l\u00e4sst sich gut veranschaulichen, was der neue HTML-Import f\u00fcr die ArchivistaBox bringt. Die zur ArchivistaBox \u00fcbertragene Seite bietet eine passgenaue Ansicht,<\/a><\/strong> das aus Firefox heraus gedruckte PDF wirkt dagegen recht „altbacken“<\/a><\/strong> — und ben\u00f6tigt \u00fcberdies den f\u00fcnfachen Speicherbedarf.<\/em><\/p>\n\n\n\n\t![\"\"](\"https:\/\/archivista.ch\/cms\/wp-content\/uploads\/2022\/09\/herbst2.jpg\")
<\/a><\/p>\nBisheriger Import \u00fcber LibreOffice<\/h1>\n
<\/a><\/p>\nHTML-Dateien als PDF-Dateien verarbeiten<\/h2>\n
<\/a><\/p>\nHTML-Dateien mit Firefox-Addon SingleFile<\/h2>\n
<\/a><\/p>\nSchritt 1: Export der gew\u00fcnschten Seite mit SingleFile<\/h3>\n
Schritt 2: Import als HTML-Datei zur ArchivistaBox<\/h3>\n
<\/a><\/p>\n<\/a><\/p>\n<\/a><\/p>\nFazit: Perfekte HTML-Importe ab Version 2022\/IX<\/h2>\n
Erst „virtuelles Scannen“ ergibt Langzeitarchivierung<\/h2>\n
<\/a><\/p>\nWeitere Neuerungen in Version 2022\/IX<\/h2>\n
Buster: Captcha-Solver-for-Humans<\/h3>\n
<\/a><\/p>\nUBlock und CanvasBlocker<\/h3>\n
<\/a><\/p>\nFirefox-Startordner beim Neustart wiederherstellen<\/h3>\n
ProtonVPN: Surfen \u00fcber Landesgrenzen<\/h3>\n
#!\/bin\/bash<\/strong>\r\npin=\"\/home\/archivista\/data\/protonvpn\"<\/strong>\r\ncp -pf $pin\/update-resolv-conf \/etc\/openvpn<\/strong>\r\ncp -pf $pin\/resolv.conf \/etc<\/strong>\r\ncp -rpf $pin\/.pvpn-cli \/home\/archivista<\/strong><\/pre>\n
Automatisierung auf dem Desktop mit xmacro<\/h3>\n