阅读口径
本文只讨论快照时间的含义,不评价任何站点,也不提供档案入口。示例间隔为说明用,不对应真实记录。
快照时间是谁的时间
是抓取时间,不是发布时间。抓取发生在档案服务安排的某一刻,页面上的内容可能已经存在很久。有些页面会显示自己的更新日期,那是页面自己写的,可信度取决于站点;快照时间由第三方记录,两者不能互相替代。混用这两个时间,是档案阅读里最常见的第一处错误。
盲区有多长
取决于抓取频率与站点是否可抓。热门地址可能几天一次,冷门地址可能一年才轮到一次,被禁止抓取的站点干脆没有记录。所以“最早快照在某年”只能说明那时它已被抓过,不能说明它是那时才出现。中间那段空白的长度未知,方向也未知。
第一张快照能证明与不能证明的事
能证明:某年某月某日,这个地址返回过这样一份内容。不能证明:这是最早的内容、这是运营者的第一次发布、这个域名此前没有别的用途。把“最早被抓到”说成“最早存在”,是把观测的起点当成事物的起点,这是档案阅读里最常见的一次跳步。档案服务能确定的只有观测,不能确定存在,这两件事之间的差距,就是快照证明力的上限。
可执行检查单
- 01先看快照密度:连续几个月都有,说明站点当时稳定在线。
- 02再看第一张的完整度:只有导航没有正文的,多半是抓取不完整。
- 03把“档案首次记录”与“站点首次出现”分开表述,不合并成一句。
一个常见问题
为什么有的站第一张快照就是完整页面?
可能是抓取时站点已经运行了一段时间,也可能档案服务更早尝试过但失败,只保留了成功的那一次。失败记录通常不展示,于是时间线上第一个点看起来格外干净。看到完整的第一张,不要急于把它当成起点,先看它前后有没有异常长的间隔。
用快照读历史的正确姿势
把快照当成一系列观测点,而不是一条连续的时间线。每个点只对它自己那一刻负责:那一刻页面在讲什么、导航有几个栏目、标题怎么写。点与点之间的变化属于推断,要标明是推断。这样读出来的历史虽然不完整,但每一步都站得住,也不会把空白填成想象。