Descarregar sites que utilizam Tumblr

Sobre Tumblr

Uma plataforma social que aparece na marcação de um site pode significar duas coisas completamente diferentes, e separá-las é a primeira tarefa de quem usa estes dados a sério.

No primeiro caso, a plataforma é o site. Um domínio próprio apontado a um blogue alojado significa que não há servidor onde entrar, nem sistema de conteúdos para estender, nem plugin para instalar, nem base de dados que pertençà alguém. No segundo caso, a plataforma é um fragmento: um botão de partilha, um feed incorporado, um widget de seguir num site que de resto foi construído e alojado num sítio inteiramente convencional. Os dois casos produzem uma deteção de Tumblr, e as duas populações não têm quase nada em comum do ponto de vista comercial.

Saber qual dos dois se está a observar muda por completo o valor da linha. Um domínio alojado por inteiro na plataforma é uma qualificação dura para quem vende migração, ferramentas de comércio eletrónico, alojamento ou qualquer coisa que exija acesso ao servidor, porque a resposta é um não categórico até que o dono mude. Um domínio que apenas incorpora um widget é antes um sinal de marketing, prova de que uma marca mantém ali uma audiência e a trata como um canal a que vale a pena ligar a partir do site principal.

A história da própria plataforma importa para ler os dados. Lançada em 2007 e construída em Ruby, passou por vários donos antes de ir parar à Automattic, e mantém-se com licença Proprietary. Os anfitriões de recursos e os pontos de incorporação mudaram pelo caminho, o que significa que as impressões digitais de épocas de rastreio diferentes não são perfeitamente comparáveis, e um site que exibe uma incorporação antiga pode estar a apontar para algo que já não é mantido de nenhum dos lados.

A geografia reflete a audiência e não qualquer constrangimento técnico. Nos Estados Unidos concentram-se 10 077 dos domínios que detetamos e a zona .com lidera a repartição, o que é coerente com uma plataforma cujas comunidades criativas e de fãs sempre estiveram concentradas num só mercado e cujos utilizadores registam domínios de forma genérica.

Resolver essa ambiguidade é exatamente para o que serve uma exportação completa. Se uma linha traz a plataforma e praticamente mais nada, ou apenas os anfitriões de recursos da própria plataforma, o site está muito provavelmente alojado ali por inteiro. Se a mesma linha traz também um sistema de conteúdos, uma etiqueta de analítica, um prestador de pagamentos e um servidor de correio, a plataforma é um widget no site de outra pessoa. Fazer esse juízo exige todas as impressões digitais de um domínio numa só linha, coisa que uma consulta domínio a domínio dá um anfitrião de cada vez e que uma população descarregável dá para tudo de uma só vez.

O limite honesto é que reportamos o que é carregado, não o que é pretendido. Um botão de partilha deixado num template há anos parece idêntico a um canal gerido ativamente, e não conseguimos dizer qual é qual só a partir da marcação. O que conseguimos dizer é o conjunto completo de domínios comerciais que ainda encaminham parte do seu front end pela plataforma, que é a população que vale a pena investigar, e depois o resto da linha diz por onde começar.