Когда нужно найти неочевидные файлы, старые поддомены или PDF-отчёты на целевом домене — стандартный поиск через web.archive.org часто неудобен. Но есть прямой API: http://web.archive.org/cdx/search/cdx?url=... Он возвращает текстовый файл с индексом всех сохранённых копий. Дальше вы сами формируете URL снимков и фильтруете данные.
Операторы запросов:
output=json — вместо plain текста получаем чистый JSON.
fl=original,timestamp,statuscode,mimetype,digest — оставляем только нужные поля.
original — исходный URL; timestamp — дата; statuscode — HTTP-код; mimetype — тип файла; digest — хеш содержимого.
filter=statuscode:200 — убираем редиректы (3xx) и 404. Да, их тоже архивируют, но нам они не нужны.
filter=mimetype:application/pdf — ищем только PDF. Меняй на text/html, image/jpeg и т.д.
collapse=digest — если один и тот же файл сохраняли 40 раз с разными timestamp, оставляет только уникальные по содержимому.
from=20240101&to=20240630 — временное окно (формат YYYYMMDD). Без него ищет с самого начала.
