Ver esquema

Tema 80. El archivo de la web. Proyectos internacionales y situación en España.

Cuerpo Facultativo de Archiveros, Bibliotecarios y Arqueólogos, especialidad Bibliotecas, sistema general de acceso libre · Índice oficial del BOE núm. 313, de 29 de diciembre de 2025 (Resolución de 18 de diciembre de 2025, de la Subsecretaría del Ministerio de Cultura, por la que se convoca proceso selectivo para ingreso, por el sistema general de acceso libre y promoción interna, en el Cuerpo Facultativo de Archiveros, Bibliotecarios y Arqueólogos — BOE-A-2025-26894). El Anexo I de esta convocatoria remite, para el contenido íntegro del programa, al aprobado por la Resolución de 23 de septiembre de 2022, de la Subsecretaría (Ministerio de Cultura y Deporte) — BOE núm. 237, de 3 de octubre de 2022, páginas 135233 a 135250, Anexo II, Sección Bibliotecas (BOE-A-2022-16049) —, que es el texto reproducido en este fichero..

Este cuerpo tiene ámbito estatal (Administración General del Estado, Ministerio de Cultura y Deporte) y comparte proceso selectivo con las especialidades de Archivos y Arqueología: este fichero recoge SOLO la especialidad de Bibliotecas, turno de acceso libre (no cubre promoción interna, que tiene un programa reducido distinto). Se eligió el nivel AGE como referencia, entre los tres niveles administrativos que convocan personal de bibliotecas (AGE, Comunidades Autónomas y Entidades Locales, tal y como advierte la propia descripción del cuerpo en el catálogo del sitio), por ser el que tiene una convocatoria única, estable y mejor documentada en el BOE — las bibliotecas autonómicas y municipales tienen sus propias convocatorias y programas, distintos entre territorios, que NO están cubiertos por este fichero y quedan pendientes de un desarrollo futuro específico por comunidad autónoma. Los 100 temas están transcritos de forma literal, verificados directamente contra el texto del BOE de la Resolución de 23 de septiembre de 2022 (BOE núm. 237, Anexo II).

El archivo de la web (web archiving) es el conjunto de técnicas y proyectos institucionales dirigidos a capturar, preservar y dar acceso futuro a los contenidos publicados en internet, un soporte de naturaleza extraordinariamente volátil en el que las páginas desaparecen, cambian de dirección o modifican su contenido sin dejar rastro (fenómenos conocidos como link rot y content drift). El tema repasa los estándares técnicos y los principales proyectos internacionales que han dado forma a esta disciplina desde finales de los años noventa, y la situación específica de España, donde la responsabilidad recae principalmente en la Biblioteca Nacional de España dentro del marco del depósito legal de publicaciones en línea.

← Ver el índice completo del temario

El archivo de la web: concepto y justificación

El archivo de la web consiste en la recolección periódica o puntual de sitios y páginas web mediante robots de rastreo (crawlers), su almacenamiento en formatos normalizados de preservación y la puesta a disposición posterior de esas capturas a través de interfaces de consulta específicas. Su justificación radica en la naturaleza efímera del contenido web: una proporción muy elevada de las páginas enlazadas desde la propia web deja de estar disponible en su dirección original al cabo de pocos años (link rot), y el contenido de muchas páginas que sí permanecen accesibles cambia sustancialmente con el tiempo (content drift), de modo que, sin una labor activa de archivo, buena parte de la memoria digital contemporánea se perdería de forma irrecuperable.

Estándares técnicos: el formato WARC y el crawler Heritrix

El formato de referencia para almacenar las capturas de páginas web es WARC (Web ARChive), normalizado internacionalmente como ISO 28500 y sucesor del formato ARC original del Internet Archive, que agrega en un único fichero contenedor tanto los recursos capturados (HTML, imágenes, hojas de estilo) como los metadatos de la propia captura (fecha, cabeceras HTTP, robot utilizado). El rastreador más extendido para generar estas capturas es Heritrix, un crawler de código abierto desarrollado conjuntamente por el Internet Archive y varias bibliotecas nacionales nórdicas, mientras que el acceso posterior a los contenidos archivados se realiza habitualmente mediante software de tipo Wayback (Wayback Machine y su versión de código abierto OpenWayback/pywb), que permite navegar por versiones sucesivas de una misma página en distintas fechas de captura.

El International Internet Preservation Consortium (IIPC)

El International Internet Preservation Consortium (IIPC) es el consorcio internacional de referencia en materia de archivo de la web, constituido en 2003 por un grupo de bibliotecas nacionales -entre ellas la Biblioteca Nacional de Francia, impulsora de la iniciativa, la Library of Congress y la British Library- junto con el Internet Archive. Su actividad se centra en el desarrollo y mantenimiento de estándares técnicos comunes (como el propio formato WARC y las herramientas de rastreo y acceso), la organización de encuentros y grupos de trabajo especializados, y el fomento de la cooperación entre instituciones de memoria de todo el mundo dedicadas a esta tarea.

Proyectos internacionales de referencia

El Internet Archive, fundación sin ánimo de lucro creada en 1996 por Brewster Kahle, mantiene a través de su Wayback Machine el mayor archivo público de la web a escala mundial, con capturas periódicas de amplias porciones del dominio abierto desde mediados de los años noventa. Junto a él, numerosas bibliotecas nacionales han desarrollado sus propios archivos web como parte de su misión de depósito legal: el UK Web Archive de la British Library, la colección de depósito legal de internet de la Biblioteca Nacional de Francia (amparada por la ley francesa que extendió el depósito legal a la web desde 2006), o las colecciones temáticas de la Library of Congress estadounidense, centradas con frecuencia en eventos concretos (elecciones, crisis, efemérides) más que en una recolección exhaustiva del dominio nacional.

Modalidades de recolección: masiva, selectiva y por eventos

Las estrategias de captura combinan habitualmente la recolección masiva o de dominio (bulk/domain harvesting), que rastrea de forma periódica y lo más exhaustiva posible la totalidad de un dominio nacional (por ejemplo, el dominio .es) con una frecuencia predeterminada, y la recolección selectiva, centrada en un conjunto acotado de sitios elegidos por su valor patrimonial o temático y capturados con mayor frecuencia y profundidad. A ellas se suma la recolección por eventos, orientada a documentar de forma intensiva la presencia web generada en torno a un acontecimiento concreto (procesos electorales, catástrofes, grandes citas culturales o deportivas) durante una ventana temporal delimitada.

La situación en España: el Archivo de la Web Española

En España, la responsabilidad principal del archivo de la web recae en la Biblioteca Nacional de España, que mantiene su Archivo de la Web Española dentro del marco jurídico del depósito legal de publicaciones en línea establecido por el Real Decreto 635/2015 (desarrollado en el tema correspondiente al depósito legal), realizando capturas periódicas del dominio .es y de sitios web con contenido patrimonial español de acceso libre. A nivel autonómico, la Biblioteca de Catalunya desarrolla desde hace años PADICAT (Patrimoni Digital de Catalunya), archivo web centrado en la producción digital catalana y miembro activo del IIPC, ejemplo de que la actividad de archivo de la web en España no se limita al nivel estatal.

Retos actuales de la preservación web

El archivo de la web afronta retos crecientes derivados de la propia evolución técnica de internet: el volumen ingente de contenido generado hace inviable una captura verdaderamente exhaustiva, los contenidos dinámicos e interactivos (aplicaciones cargadas mediante JavaScript, vídeo en streaming, redes sociales con acceso restringido o personalizado) resultan mucho más difíciles de capturar fielmente que las páginas estáticas originales, y la reproducción fiel de la experiencia de navegación exige, además de conservar los ficheros, mantener actualizado el propio software de acceso frente a la obsolescencia tecnológica. A ello se añaden cuestiones no resueltas de forma homogénea entre países en materia de derechos de autor y de protección de datos personales en los contenidos capturados.

Ideas clave para el examen — memoriza esto

  • El archivo de la web preserva contenidos ante su naturaleza efímera: link rot (desaparición) y content drift (cambio del contenido).
  • WARC (Web ARChive), normalizado como ISO 28500, es el formato estándar de almacenamiento de capturas web, sucesor de ARC.
  • Heritrix: crawler de código abierto del Internet Archive y bibliotecas nórdicas, el más extendido para el rastreo.
  • Wayback Machine / OpenWayback (pywb): software de acceso que permite consultar versiones sucesivas de una página archivada.
  • IIPC (International Internet Preservation Consortium): fundado en 2003, impulsado por la Biblioteca Nacional de Francia y el Internet Archive.
  • Internet Archive (Brewster Kahle, 1996): mantiene el mayor archivo público de la web mediante la Wayback Machine.
  • UK Web Archive (British Library) y la colección de depósito legal de internet de la Biblioteca Nacional de Francia (ley de 2006): referencias nacionales de archivo web.
  • Recolección masiva o de dominio: rastreo periódico y exhaustivo de todo un dominio nacional.
  • Recolección selectiva: sitios elegidos por su valor patrimonial, capturados con mayor frecuencia.
  • Recolección por eventos: captura intensiva en torno a un acontecimiento concreto y acotado en el tiempo.
  • En España, la Biblioteca Nacional de España mantiene el Archivo de la Web Española, dentro del marco del RD 635/2015.
  • PADICAT (Biblioteca de Catalunya): archivo web autonómico centrado en la producción digital catalana, miembro del IIPC.
  • Retos actuales: volumen del contenido, dificultad de capturar contenido dinámico (JavaScript, streaming, redes sociales).
  • La obsolescencia del propio software de acceso exige actualizar las herramientas, no solo conservar los ficheros.
Ver el esquema con tus propios subrayados →

Ponte a prueba

11 preguntas sobre este tema, en orden aleatorio. Sin registro, sin límite de intentos.

Pregunta 1 de 110 aciertos

¿Qué fenómeno justifica principalmente la necesidad del archivo de la web?

Preguntas frecuentes

¿De qué trata el Tema 80 de Bibliotecario?

El archivo de la web (web archiving) es el conjunto de técnicas y proyectos institucionales dirigidos a capturar, preservar y dar acceso futuro a los contenidos publicados en internet, un soporte de naturaleza extraordinariamente volátil en el que las páginas desaparecen, cambian de dirección o modifican su contenido sin dejar rastro (fenómenos conocidos como link rot y content drift). El tema repasa los estándares técnicos y los principales proyectos internacionales que han dado forma a esta disciplina desde finales de los años noventa, y la situación específica de España, donde la responsabilidad recae principalmente en la Biblioteca Nacional de España dentro del marco del depósito legal de publicaciones en línea.

¿Qué hay que memorizar del Tema 80 para el examen?

El archivo de la web preserva contenidos ante su naturaleza efímera: link rot (desaparición) y content drift (cambio del contenido). WARC (Web ARChive), normalizado como ISO 28500, es el formato estándar de almacenamiento de capturas web, sucesor de ARC. Heritrix: crawler de código abierto del Internet Archive y bibliotecas nórdicas, el más extendido para el rastreo. Wayback Machine / OpenWayback (pywb): software de acceso que permite consultar versiones sucesivas de una página archivada. IIPC (International Internet Preservation Consortium): fundado en 2003, impulsado por la Biblioteca Nacional de Francia y el Internet Archive. Internet Archive (Brewster Kahle, 1996): mantiene el mayor archivo público de la web mediante la Wayback Machine. UK Web Archive (British Library) y la colección de depósito legal de internet de la Biblioteca Nacional de Francia (ley de 2006): referencias nacionales de archivo web. Recolección masiva o de dominio: rastreo periódico y exhaustivo de todo un dominio nacional. Recolección selectiva: sitios elegidos por su valor patrimonial, capturados con mayor frecuencia. Recolección por eventos: captura intensiva en torno a un acontecimiento concreto y acotado en el tiempo. En España, la Biblioteca Nacional de España mantiene el Archivo de la Web Española, dentro del marco del RD 635/2015. PADICAT (Biblioteca de Catalunya): archivo web autonómico centrado en la producción digital catalana, miembro del IIPC. Retos actuales: volumen del contenido, dificultad de capturar contenido dinámico (JavaScript, streaming, redes sociales). La obsolescencia del propio software de acceso exige actualizar las herramientas, no solo conservar los ficheros.

¿Hay preguntas de test de este tema exacto?

Sí, 11 preguntas tipo test sobre este tema, en el apartado "Ponte a prueba" de esta misma página. Sin registro y sin límite de intentos.

¿De dónde sale el temario de este tema?

Del índice oficial de BOE núm. 313, de 29 de diciembre de 2025 (Resolución de 18 de diciembre de 2025, de la Subsecretaría del Ministerio de Cultura, por la que se convoca proceso selectivo para ingreso, por el sistema general de acceso libre y promoción interna, en el Cuerpo Facultativo de Archiveros, Bibliotecarios y Arqueólogos — BOE-A-2025-26894). El Anexo I de esta convocatoria remite, para el contenido íntegro del programa, al aprobado por la Resolución de 23 de septiembre de 2022, de la Subsecretaría (Ministerio de Cultura y Deporte) — BOE núm. 237, de 3 de octubre de 2022, páginas 135233 a 135250, Anexo II, Sección Bibliotecas (BOE-A-2022-16049) —, que es el texto reproducido en este fichero. (Cuerpo Facultativo de Archiveros, Bibliotecarios y Arqueólogos, especialidad Bibliotecas, sistema general de acceso libre).

Fuentes de este desarrollo

  • ISO 28500 (formato WARC)
  • International Internet Preservation Consortium (IIPC)
  • Real Decreto 635/2015, de 10 de julio, por el que se regula el depósito legal de las publicaciones en línea

Mientras tanto, practica con tests gratis de Bibliotecario.

Empieza gratis ahora