昨天下午三点,我在书房里把打印出来的收录表铺在桌上,一共 312 条。用红笔逐条划,划到第 89 条的时候停住了。那条记录挂在「by69777 com最新网站」的索引页下面,标题写着《肥胖大叔催眠清纯小男孩》,作者栏是空的,来源栏也是空的,只有一串抓取时间:2025-11-02 04:17:33。我盯着那个时间看了很久,凌晨四点十七分,谁在写这个东西。
我把这张表折起来,塞进了抽屉最底下。然后打开电脑,开始一条一条删。删到 47 条的时候,我停下来喝了口水,发现杯子是凉的,茶早凉了。删掉的那批,大半是从几个采集站批量灌进来的,标题一个比一个离谱,正文全是截断的,点开之后跳转到 肥胖大叔催眠清纯小男孩 这种页面,内容跟标题毫无关系。我当时就想,收录系统到底是在收录内容,还是在收录垃圾。
说实话,这个站做整理的初衷很简单。2024 年秋天,我在旧货市场碰到一个姓周的大哥,他摆摊卖光盘,摊子旁边压着一张手写的网址清单,字迹都糊了。他说他儿子教他用浏览器,他就把常看的几个站记在本子上,后来本子丢了,只能凭记忆写。那张清单上第三个条目就是「by69777 com最新网站」,周大哥用圆珠笔描了很多遍,纸都快破了。我当时心里堵了一下,原来有人是这样用网络的。回去之后我就开始做收录,一条一条手工核对,能打开的、能读的、有出处的,才留下。
但收集这件事,越做越像在打捞。我每周固定花三个晚上,从晚上八点坐到十二点,开十几个标签页,一个一个点开、截图、记来源。上个月有个来源叫 百乐宝库入口,我连续跟了六个晚上,每天晚上十点半更新一次,更新完十分钟之内,至少有二十条重复内容被灌进来。我用表格软件筛重,筛出 83 条,真正原创的只有 4 条。剩下 79 条,全是把别人的标题改两个字,正文复制粘贴。我在表格里把那 79 条标成灰色,然后全部删掉。删的时候手有点抖,不是舍不得,是气的。
收录不是囤积。把垃圾编号归档,只会让垃圾看起来像档案。 —— 我写在手账第 14 页的一句话,2026 年 1 月 9 日
更让人上火的是那种「伪原创」的手法。上个月底,我抓到一个页面,标题叫 被合租糙汉室友宠翻了直播大叔,正文前两段是从一篇 2023 年的文章里搬的,中间插了一段自动生成的过渡句,结尾是三个感叹号和一句「更多内容请关注」。我顺着页脚的链接点进去,跳转到了 西瓜网站永久视频 的一个聚合页,页面上挂着 40 多个缩略图,点开全是同一张占位图。你说这种东西,收录进来有什么用。我当场就把这个来源整个拉黑了。
我的观点可能有点得罪人:现在大部分所谓「最新网站」的收录榜,本质上是在比谁灌得快、谁堆得多,跟内容质量没有半点关系。我自己也做收录,但我敢说,我删掉的东西比留下的多。昨天下午删完那 47 条之后,我把剩下的 265 条重新排了序,按可读性、来源明确度、更新频率三项打分。打到晚上十点,只剩 198 条是合格的。198 条,听起来很少,但我每条都点开读过至少一遍。这不是什么了不起的事,就是觉得,既然挂了「整理」两个字,就得对得起这两个字。
说回来,那个周大哥后来加了我的联系方式,发来一张照片,是他新抄的网址清单,工工整整写在一张 A4 纸上。他说现在有三十多个了,每个都试过,能用。我问他为什么不用浏览器收藏夹,他回了一句:纸上的东西看得见,丢不了。那一刻我挺想笑的,又有点想哭。我们这些天天折腾索引、标签、爬虫的人,反而没他明白。
今天下午我又点开了一次 抖音网红tv博主小视频 这个来源,页面加载到 60% 就卡住了,转了三秒,跳出一个空白页。我记下这个时间:15:42。然后把它从候选名单里划掉。抽屉里的收录表又要重印了,这次大概只剩 190 条出头。旁边还压着一张便签,是上周从另一个来源 49gw.com. 抓来的样本,我还没核对完,先放着。
写这么多,其实就想说一件事:如果你也在做类似的事,别急着堆数量。先问问自己,删得下手吗。删不下去,那就不是整理,是囤积。