示意图:一串关键词被拆成站名、场所与动作三段的示意排版
阅读口径

本文讨论搜索索引残留的一般特征,不引用任何具体站点数据;不提供、不指向任何入口,亦不对任何网站现状作认定。

搜索页上还剩什么

通常剩四样:标题、摘要、网址、以及一行抓取时间。标题来自原页面,摘要多是从正文里截的几句话,网址指向已经失效的地址,抓取时间说明搜索引擎最后一次看到它的日期。四样里,只有抓取时间是这份记录自己的时间,其余三样都是原页面的残留。分清哪一样属于索引、哪一样属于原文,是读这类结果的第一步。抓取时间通常标在摘要下方,字很小,却是四样里最该先看的一样。

它们能证明什么

能证明的是:这个页面曾经存在,且在那个抓取时间点上有这样的标题和内容。不能证明的是:它现在还能打开,内容是否仍然有效,站点是否还在运营。很多人把“搜得到”直接读成“还在”,这一步跨得太大——索引是一份历史记录,不是实时状态。索引记录的是搜索引擎看到过什么,不是网站现在是什么样。这两件事混在一起,就会把历史当成现状。

怎么用这份残留

第一步,看抓取时间:越久,内容过期的可能性越大。第二步,看摘要:如果摘要本身是完整的句子,可以据此判断它当年在讲什么;如果摘要只是关键词堆叠,说明原页面信息量本来就低。第三步,看有没有多个来源引用同一个标题:只有一个来源,说明它可能是孤立的采集页;有多个不同来源,说明这个说法曾经流传过。三步之后仍打不开,就把它当历史记录,不再追。三步做完,一份残留能提供的信息基本就取尽了。

可执行检查单

  1. 01先看抓取时间,再判断内容是否可能过期
  2. 02摘要完整可读的,当“当年有过这样的内容”记录
  3. 03搜得到但打不开时,停止继续找入口,避免进入互链页

一个常见问题

快照还能打开,是不是说明站点还在

不是。快照是搜索引擎保存的副本,与原站是否在线无关。原站关闭后,快照仍可能存留一段时间。看到快照能读,只能说明这份副本还在,不能说明原地址还能访问。副本与原站的关系,就像照片与人的关系。

搜索页是一座档案馆,不是一扇门

它保存的是“曾经有过什么”,而不是“现在能去哪里”。把它当档案馆用,能还原一个社区最后的样子;把它当门用,就会一次次撞在失效的地址上。分清这两件事,搜索结果的用处反而更大。档案馆里的东西可以读,但不能住。