Comprobar la fecha de registro en el sitio web
El estilo APA, publicado por la Asociación Americana de Psicología, está reconocido como norma para citar fuentes en trabajos académicos y de investigación. El estilo APA incluye el año de publicación como parte del formato estándar para las referencias. En el caso de los artículos publicados en línea, el primer lugar donde hay que buscar la fecha de publicación es justo debajo del título del artículo. La fecha también puede aparecer al final de un artículo, cerca de la biografía del autor. Como último recurso, compruebe la zona del pie de página del sitio web donde se publica el artículo. Por desgracia, esta fecha puede ser la misma en todas las páginas del sitio, lo que significa que no es específica para el artículo en cuestión.
Hay una serie de trucos del navegador mencionados en línea para encontrar la publicación de un sitio web. Por ejemplo, puede seleccionar “Ver la fuente de la página” en el menú del botón derecho del ratón en el navegador Chrome y luego buscar la fecha de publicación en el código fuente del sitio web. También puede encontrar artículos sobre el uso de la cadena “&as_qdr y15” en la barra de direcciones del navegador como buscador de fechas de páginas web. Sin embargo, las fechas devueltas por estos hacks pueden reflejar la fecha de publicación inicial del dominio en lugar de la fecha de publicación del contenido actual, por lo que no son del todo fiables. Puedes intentar utilizar una herramienta online como la Wayback Machine para buscar en un archivo de la web y mirar el historial de actualizaciones de la página web, pero este método tampoco es fiable para determinar la fecha de publicación de una página web.
La máquina del retroceso
Cada artículo publicado públicamente en la web tiene una fecha de publicación y de última actualización. Además de estas dos fechas, también hay una fecha de indexación que aparece en los resultados de la búsqueda. Tanto si eres un webmaster como un usuario, a veces puedes necesitar una de estas fechas para varios propósitos como citar o enlazar en tu página o para la validación del contenido.
En el caso anterior, incluso la fecha de publicación inicial, si está disponible en la página, puede no ser de mucha ayuda y puede estar interesado en encontrar la última fecha de actualización del artículo. Siga los siguientes métodos para averiguar la última fecha de modificación de una página web.
Todos los sitios web populares tienen XML Sitemap para informar a los motores de búsqueda sobre la estructura del sitio. Dependiendo de la estructura del sitemap, puede comprobar si el sitemap contiene la última fecha de actualización.
Internet archive es una organización sin ánimo de lucro que posee un motor de rastreo llamado Wayback Machine. Recoge una instantánea de todas las páginas web disponibles públicamente que puede utilizar para obtener la última fecha de modificación.
Datación por carbono en la web
Encuentre las fechas de publicación originales y actualizadas de cualquier página web. Desde la línea de comandos o dentro de Python, se incluyen todos los pasos necesarios desde la descarga de la página web hasta el análisis sintáctico de HTML, el scraping y el análisis de texto.
El resultado se verifica exhaustivamente en términos de plausibilidad y adecuación. Si se ha encontrado una fecha válida, la biblioteca emite una cadena de fecha correspondiente a la última actualización o a la declaración de publicación original (por defecto), en el formato deseado.
Este paquete de Python ha sido probado en sistemas Linux, macOS y Windows; es compatible con Python 3.6 en adelante. Está disponible en el repositorio de paquetes PyPI y puede instalarse notablemente con pip o pipenv:
htmldate se distribuye bajo la Licencia Pública General GNU v3.0. Si desea redistribuir esta biblioteca pero se siente limitado por las condiciones de la licencia, por favor, intente interactuar a distancia, obtener múltiples licencias compatibles, o póngase en contacto conmigo.
Este esfuerzo forma parte de los métodos para obtener información de los documentos web con el fin de construir bases de datos de texto para la investigación (principalmente el análisis lingüístico y el procesamiento del lenguaje natural). La extracción y el preprocesamiento de los textos de la web de acuerdo con los exigentes estándares de la investigación científica suponen un reto importante para quienes la llevan a cabo. Hay páginas web para las que ni la URL ni la respuesta del servidor proporcionan una forma fiable de averiguar cuándo se publicó o modificó un documento. Para más información:
Cuántos años tiene una página web
Hay varias razones por las que el contenido puede no mostrar una fecha de publicación. Tal vez el bloguero la ha eliminado para que no pienses que su trabajo está anticuado. O tal vez el sitio web simplemente no está diseñado para mostrar la fecha de publicación, tal vez para que siempre pueda pasar como nuevo.
Esta es una obviedad, pero primero comprueba que la fecha no aparece en ningún lugar de la página. Suele estar cerca de la parte superior de la entrada, quizás junto al nombre del autor. Algunas publicaciones pueden colocarla al final del artículo.
Mira en la barra de direcciones de tu navegador para ver si la URL está estructurada para mostrar la fecha. En el ejemplo de la captura de pantalla anterior de The Guardian, la fecha del 3 de noviembre de 2021 está representada en la URL por /2021/nov/03.
Si se trata de un contenido de una fuente popular, los comentarios normalmente habrán comenzado el día de la publicación, o cerca de esa fecha. Desplázate hasta el final de la página y busca el comentario más antiguo. Esto te dará una buena idea de cuándo se publicó el artículo por primera vez.
Además de mirar la URL de la página, también puedes mirar las URL de las imágenes del artículo. Tenga en cuenta que estas últimas palabras son importantes; no tiene sentido mirar la URL de una imagen genérica en la página, como el logotipo, ya que se utilizará en todo el sitio web.
