Lançámos duas novas versões do Arquivo.pt: PageSearchSolr, a 14 de outubro de 2026, e Gaia, a 29 de outubro de 2026. A principal novidade é uma nova pesquisa de páginas: pode agora encontrar o dobro das páginas quando pesquisa por palavras. Muitas páginas preservadas que até agora só podiam ser encontradas pelo endereço (URL) passam a aparecer também numa pesquisa por texto.
Há também novas formas de pesquisar, novas funcionalidades na API e mais proteção para os serviços e para quem os usa.
O dobro das páginas na pesquisa por texto
- Mais páginas. Passam a estar disponíveis na pesquisa por palavras 5,4 mil milhões de páginas/documentos. O espaço das coleções indexadas passou de 658 TB para 1479 TB (+125%) e o número de coleções indexadas passou de 106 para 194 (+83%).
- Nova tecnologia. A pesquisa foi reimplementada com o Apache Solr, substituindo o NutchWax. Foi um esforço de vários anos.
Novas formas de pesquisar
Linha temporal: quando é que um tema foi importante?
Até agora, a pesquisa devolvia uma lista de resultados, mas não mostrava em que anos o tema esteve mais presente na Web. Agora, barras por ano acima do seletor de datas mostram o impacto da pesquisa ao longo do tempo. O impacto é ajustado ao volume do arquivo em cada ano, para que os anos possam ser comparados de forma justa.
Experimente: pesquisar "troika".
Sugestões de pesquisa
Se escrever uma palavra com um erro, o Arquivo.pt sugere a forma correta. Por exemplo: Lizboa → Lisboa, ou Amalia Rodrigue → Amalia Rodrigues. As sugestões ("Será que quis dizer: …") funcionam na pesquisa de páginas e de imagens e são geradas pelo próprio Arquivo.pt, a partir dos seus dados, sem recorrer a serviços externos.
Novos critérios na Pesquisa Avançada
- Idioma. Novo filtro para pesquisar só páginas num idioma (por exemplo pt, en ou es), com uma confiança mínima na deteção do idioma: Alta (predefinição), Média ou Baixa. Também pode usar este filtro diretamente na caixa de pesquisa, escrevendo por exemplo
language:pt. - Coleção. Pesquisar só numa ou em várias coleções (por exemplo EAWP6,EAWP8), nas páginas e nas imagens. Esta opção já existia, mas passou a estar disponível na Pesquisa Avançada.
- Equilíbrio entre anos (experimental). O arquivo tem menos conteúdo antes de 2015 do que depois de 2020, por isso os resultados vêm sobretudo dos anos mais recentes. Esta nova opção faz subir nos resultados as páginas dos anos com menos conteúdo. Pode escolher entre Desligado (predefinição), 0.25, 0.5, 0.75 e 1. Ainda vamos avaliar o desempenho e a qualidade dos resultados.
- Mais resultados na pesquisa de imagens. Pode pedir até 200 resultados.
Para investigadores e programadores
A API de pesquisa de páginas suporta as mesmas opções da Pesquisa Avançada (idioma, confiança mínima no idioma, coleção, equilíbrio entre anos e sugestões de pesquisa) e permite ainda:
- obter a distribuição dos resultados ao longo do tempo (parâmetro
timeline): número de páginas por ano e impacto normalizado; - escolher o tamanho dos resumos.
A documentação das APIs foi atualizada e está disponível em arquivo.pt/api-docs. As APIs de pesquisa de páginas por texto (/textsearch) e de pesquisa por URL (CDX, /wayback/cdx) têm agora um ambiente interativo (Swagger) para experimentar os pedidos diretamente no navegador.
Proteção e privacidade
ArchivePageNow novamente disponível
O ArchivePageNow permite preservar de imediato uma página web para consulta futura. Este serviço esteve temporariamente suspenso, por precaução, depois de termos identificado a sua utilização indevida por agentes automáticos de inteligência artificial de terceiros. Os restantes serviços do Arquivo.pt mantiveram-se sempre em funcionamento.
Durante este período fizemos uma auditoria de segurança e reforçámos a proteção do serviço com:
- uma verificação anti-robôs;
- limites de utilização;
- aceitação obrigatória dos termos de proteção de dados.
O ArchivePageNow está novamente disponível. Lembramos que se destina a fins educativos, científicos e de investigação, de acordo com os termos e condições.
O CitationSaver tem as mesmas proteções: verificação anti-robôs e consentimento explícito obrigatório.
Aviso de cookies nas páginas arquivadas
As páginas arquivadas podem conter código original que usa cookies. Ao consultar uma página arquivada, passa a ver um aviso sobre isso, e a Política de Cookies tem uma nova secção que o explica.
Melhorias partilhadas com a comunidade
O Arquivo.pt usa o pywb para mostrar as páginas arquivadas, um software de código aberto usado por arquivos da web em todo o mundo. Contribuímos com melhorias que ficam disponíveis para toda a comunidade:
- Desempenho: consulta mais rápida de páginas com muitas versões arquivadas;
- Qualidade: as páginas que redirecionam com um cabeçalho Refresh deixam de saltar para a Web atual, e as páginas comprimidas com Brotli são arquivadas e mostradas corretamente;
- Segurança: mais controlo sobre os endereços que o ArchivePageNow pode visitar.
Outras melhorias
- Novo painel "Arquivo.pt em números", com estatísticas atualizadas sobre o que pode ser pesquisado: páginas, endereços e imagens.
- Novo sobre.arquivo.pt. Este sítio foi renovado: é agora um sítio estático, mais rápido, mais simples de manter e mais fácil de preservar.
Arquivo.pt como plano de contingência
Em outubro de 2026, perante uma vulnerabilidade de segurança divulgada no PHP, vários sites da FCCN e da FCT foram temporariamente encaminhados para as suas versões preservadas no Arquivo.pt, enquanto eram corrigidos. O Arquivo.pt serviu, assim, também como plano de contingência para manter a informação acessível.
O que vem a seguir
Vamos continuar a disponibilizar mais coleções na pesquisa por texto e a melhorar a ordenação dos resultados.
Os detalhes técnicos de cada versão estão no GitHub: PageSearchSolr e Gaia.
As suas sugestões são bem-vindas!