Como preservar metadados de redes sociais

Baixar o arquivo de uma conta é apenas o primeiro passo. O registro durável é a relação entre o post, sua mídia, seus metadados e as circunstâncias do download.

Um fluxo de trabalho confiável mantém o pacote original, registra os metadados que ficam fora da foto ou do vídeo, preserva os horários com suas informações de fuso horário e verifica cada arquivo de mídia após a extração.

O que um arquivo de redes sociais pode conter

Não existe um formato universal único para metadados de redes sociais. Fluxos de atividade social acumulam contexto, objetos multimídia e metadados de engajamento, enquanto posts, curtidas, respostas, republicações e comentários podem ser representados de forma diferente por cada plataforma segundo o estudo de arquivamento.

Uma exportação pode conter metadados além do texto do post. Um registro de preservação útil deve manter os itens a seguir quando a exportação os fornecer:

Essa separação é importante porque os valores de engajamento em um download de conta são instantâneos. Eles podem ter um valor diferente posteriormente na plataforma como explica o estudo de arquivamento.

Escolha a exportação de forma deliberada e registre sua janela de captura

Use os controles atuais de exportação da plataforma e registre o que você solicitou antes de baixá-la.

Facebook

No fluxo para computador do Facebook, use: foto do perfil > Configurações e privacidade > Configurações > Conta da Meta > Suas informações e permissões > Exportar suas informações > Criar exportação. Selecione o perfil e escolha Exportar para o dispositivo nas instruções do Facebook.

O Facebook permite escolher informações específicas, período, formato, e-mail de notificação e qualidade da mídia. Vídeos de qualidade superior tornam a exportação maior segundo o Facebook.

Instagram

No fluxo para computador do Instagram, use: Mais > Configurações > Conta da Meta > Suas informações e permissões > Exportar suas informações > Criar exportação. Selecione o perfil, escolha Avançar e depois selecione Exportar para o dispositivo nas instruções do Instagram.

O Instagram também permite personalizar as informações, o período, o formato, o e-mail de notificação e a qualidade da mídia. A Meta informa que o link da exportação pode levar até 30 dias para chegar e que uma exportação pronta fica disponível por quatro dias segundo o Instagram. O Facebook também informa que uma exportação concluída fica disponível por quatro dias e que a exportação é protegida por senha segundo o Facebook.

Google Takeout

O Google Takeout pode exportar vídeos do YouTube e dados de outros produtos do Google. Selecione os produtos, restrinja os dados de um produto se necessário e escolha um método de entrega e formato de arquivo segundo o Google.

O Takeout oferece arquivos ZIP ou TGZ, exportações únicas ou programadas e vários arquivos quando o tamanho máximo selecionado é excedido segundo o Google.

Para cada exportação, anote a conta, o período selecionado, o horário da solicitação, o horário de criação ou download do arquivo, o formato escolhido e a configuração de qualidade da mídia. Mantenha essa janela de captura separada do estado posterior da conta: o Google alerta que um arquivo de dados pode não incluir alterações feitas entre a solicitação de download e a criação do arquivo segundo o Google.

Mantenha o pacote, a mídia e os metadados juntos

Mantenha o ZIP ou TGZ original baixado como pacote de origem. A documentação do Facebook descreve uma exportação HTML como um ZIP com um arquivo HTML de índice e pastas contendo arquivos como imagens e vídeos, enquanto o JSON pode ser lido por máquinas e facilitar a transferência de informações segundo o Facebook.

Não trate a pasta de mídia como o arquivo completo. Preserve o índice HTML quando tiver uma exportação HTML, preserve o JSON quando tiver uma exportação JSON e mantenha a mídia original. O pacote de preservação descrito pelo curl-x inclui o arquivo de mídia original, um arquivo de página arquivado com data e hora, um hash SHA-256 para cada arquivo baixado, a URL do post, a data de acesso, a identidade do coletor e os registros de rede ou de resposta do servidor disponíveis segundo o curl-x.

Registre o nome de arquivo associado a cada item de mídia. Se precisar de um nome descritivo, inclua a plataforma, o identificador da conta e a data; o padrão documentado é twitter_username_20260811.mp4 conforme recomendado pelo curl-x. Registre esse nome junto com o hash, a URL de origem e o horário da captura.

Crie um registro de metadados para cada item de mídia

Use um registro JSON complementar, geralmente chamado de sidecar, junto da mídia relacionada. Isso é útil quando a legenda, o ID do post, o horário ou outro contexto está armazenado em JSON, e não dentro da própria foto ou vídeo.

O JSON é adequado para essa tarefa: a especificação Activity Streams do W3C descreve o JSON como uma forma amigável para pessoas, processável por máquinas e extensível de representar metadados ricos de atividades segundo o W3C. Um registro sidecar ou inventário prático pode usar estes campos quando disponíveis:

• O nome do arquivo e o tipo de mídia.
• A URL e o ID do post.
• A legenda ou o texto do post.
• O horário original do post.
• O nome de usuário, o nome exibido e a URL do perfil do autor.
• Métricas de engajamento como instantâneo da exportação.
• Dados de localização, hashtags, menções e links.
• captured_at, o coletor e o método de captura.
• O hash SHA-256 ou outro hash do conteúdo.
• A resposta bruta quando disponível.

O exemplo de registro de preservação da SociaVault usa captured_at, source_url, captured_by, method, content_hash e raw_response, e salva o registro como JSON com um nome de arquivo determinístico conforme mostrado em seu guia de preservação.

Mantenha campos separados para o horário original do post e captured_at. Se uma plataforma fornecer um deslocamento de fuso horário ou Z, preserve-o em vez de converter silenciosamente o valor para o horário local. O Activity Streams do W3C exige serialização UTF-8 e especifica valores de data e hora com deslocamento numérico explícito ou Z segundo o W3C.

Verifique o arquivo após a extração

A verificação deve responder a duas perguntas: o arquivo esperado sobreviveu à extração e é possível vinculá-lo ao registro correto do post?

Use esta sequência:

1. Mantenha o pacote original e a mídia original.
2. Crie um inventário com o nome do arquivo, a URL do post, o ID do post, o horário original do post e qualquer legenda ou registro JSON disponível.
3. Gere um hash SHA-256 para cada arquivo de mídia baixado.
4. Registre cada hash ao lado do nome do arquivo, da URL de origem e do horário da captura. Um valor SHA-256 funciona como uma impressão digital do arquivo: se o arquivo não mudar, o hash continuará idêntico segundo o curl-x.
5. Verifique se cada item de mídia tem seu registro de metadados correspondente e registre como ausentes os campos que a exportação não forneceu.
6. Preserve juntos o inventário, o JSON ou HTML bruto, a mídia original e os registros de captura disponíveis.

A fixidez é a verificação computacional de que um arquivo continua sendo o que afirma ser. Profissionais de preservação usam somas de verificação para arquivos depositados e podem refazê-las periodicamente conforme descrito no estudo de arquivamento.

O que um arquivo pode e não pode provar

Use uma captura de tela como referência visual adicional, não como o pacote completo de preservação orientado a metadados descrito acima. Para um registro mais robusto, mantenha a mídia original, os metadados e o contexto, o horário da captura, a URL de origem, a data de acesso, a identidade do coletor, os hashes e os registros de página, rede ou resposta do servidor disponíveis segundo o curl-x.

Um arquivo baixado pode preservar o horário registrado do post na plataforma quando esse campo é incluído. Ainda assim, ele deve ser identificado com sua própria janela de captura: o Google alerta que o arquivo pode não incluir alterações feitas entre a solicitação e a criação, e o estudo de arquivamento observa que as contagens de engajamento podem mudar depois segundo o Google e o estudo de arquivamento.

Se a mídia ou os metadados estiverem ausentes, mantenha o pacote original e o HTML ou JSON bruto, marque o campo ausente no inventário e registre as configurações de exportação e a janela de captura. Isso preserva a distinção entre o que a plataforma entregou e o que não estava disponível no download.

Uma lista de verificação de preservação repetível

Antes de baixar:

• Registre a conta, a plataforma, o horário da solicitação da exportação, o período selecionado, o formato e a qualidade da mídia.
• Escolha os controles oficiais de exportação da plataforma e anote se o resultado será HTML, JSON, ZIP ou TGZ.
• Registre a janela de disponibilidade da exportação quando a plataforma fornecer uma.

Depois de baixar:

• Mantenha o ZIP ou TGZ original e a mídia original.
• Preserve o índice HTML ou os registros JSON que vieram com a exportação.
• Crie um inventário de nomes de arquivos e metadados para cada item de mídia.
• Mantenha legendas, IDs de posts, horários originais, detalhes do perfil e links junto da mídia relacionada.
• Armazene um sidecar JSON ou registro equivalente quando os metadados estiverem separados da mídia.
• Mantenha os deslocamentos de horário ou Z exatamente como foram registrados.
• Gere e registre hashes SHA-256 com o nome do arquivo, a URL de origem e o horário da captura.
• Marque mídias ou campos ausentes em vez de apresentar uma substituição não verificada.
• Repita periodicamente a verificação das somas de verificação.

Para backups contínuos nas plataformas listadas pelo SocialGuardian, sua página inicial informa que o serviço cobre Instagram, TikTok, YouTube, X, Facebook, LinkedIn, Twitch e Pinterest e usa apenas um @handle público, sem exigir senha ou login segundo o SocialGuardian.