昨天下午四点，城南旧货市场最里面那个摊位，摊主老陈把一叠用橡皮筋捆着的复印件推到我面前，说「这个你肯定要」，我翻了翻，最上面那张的右上角用圆珠笔写着「管家婆论坛资料图库 编号 07」，字歪，墨水已经洇进纸纤维。
我数了一下，一共 11 张，A4，双面复印，边角卷起。老陈要价 10 块，我还到 8 块。
这事本来没什么。问题出在我把它拍下来、传进电脑、开始做 OCR 的时候——我发现这 11 张纸里，至少有 3 张来自同一个原始扫描件，但被不同的人裁过边、调过对比度、重新压过一次 JPG，文件名从 scan_0012 变成 资料图库_最终版，再变成 最终版(1)。
这就是我今天想认真说清楚的事。
一、三个具体的东西，先摆出来
第一张纸的页脚有一行小字，能辨认出「2019 年 3 月 补齐」，笔画是钢笔，不是印刷体。我拿放大镜对着台灯看了很久，确认「补齐」两个字后面没有标点，是写到一半停下的。
第二张纸的背面，透过来一个倒着的签名，翻过来辨认，是「周慕青」三个字，旁边一个电话号码被涂改液盖掉了。我不认识这个人，也不打算去找。
第三张最奇怪：整张纸的灰度分布均匀到不像复印的，更像从屏幕上截的图再打印出来。图里有一段表格，最后一格填的是「17」，但表头对应的年份被裁掉了。
我把这些逐个登记在表格里，编号、纸张克重、克重靠手感估的、墨色、裁切边缘的毛刺方向。做不到精确，但方向是对的。
二、图库真正的问题不是「有没有」，是「能不能对上」
我做过一段时间资料整理，见过太多来源不明的图。一张图被贴上「管家婆论坛资料图库」的标签之后，转贴的人默认它已经过了一道筛，但事实上标签只证明「有人贴过」，不证明任何别的东西。
这是我的观点，可能有点刺耳：凡是不能在 30 秒内点回原始页面、看到上传者与上传时间的图，都应该被当作未核实的素材处理，而不是「资料」。
昨天那 11 张纸就是一个很小的样本：3 张同源，2 张明显被拼接过，1 张是截图再打印。剩下 5 张来路不明。同源率不到三成，这已经很说明问题。
顺手说个题外话——整理过程中我需要反复确认二维码能不能被扫描识别，翻了不少工具页，比如打开浏览器扫描二维码这种说明，写得清楚，省了我半小时。另外前几天帮朋友处理手机上的本地文件，参考的是qq浏览器怎么打开qq文件，流程比我预想的简单。这类工具性内容的价值就在这：不玄，能照做。
三、命名混乱是最大的隐性成本
我昨晚统计了自己硬盘里 2023 年以来的图库截图，一共 416 个文件，其中有 87 个文件名包含「最终」「新版」「真·」这类词。同一个批次，我找到 5 个不同命名。
命名不统一，检索就得靠肉眼。肉眼一靠，判断标准就变成「看着像」，这恰恰是最不可靠的一环。我在一本 1987 年的旧书《档案整理实务》里读到过一句话，大意是：文档的敌人不是丢失，是重复而彼此矛盾。那本书封面早掉了，我是在旧书摊上花 3 块买的，读到第 62 页划了线。
顺便提一下，有些站点直接提供整理好的可对照版本，比如49图库资料库免费打开可编辑版本，我拿它做过一次字段比对，省事，但也提醒一句：可编辑就意味着可修改，修改记录要留。
还有一批旧编号体系，我是通过新奥2025年免资料费44那类页面才把时间线串起来的，编号与年份对不上，说明中间经历过一次整体重编。这件事没有文档，只能靠交叉比对倒推。
四、我把这 11 张纸怎么处理了
扫描，600 dpi，TIFF 存档一份，JPG 一份。元数据里写清楚来源：城南旧货市场、老陈摊位、2026-03-16 下午、8 元。文件名统一成「JN-20260316-01」到「JN-20260316-11」。
三张同源的，我在备注里互相引了对方的编号，不做合并。我宁可保留冗余，也不想因为「看起来一样」就删掉一张——万一那点差异才是关键呢。
周慕青那个签名，我只记录，不推测身份。涂改液盖住的东西，大概率是有意盖的。
这算不上什么方法论，就是一个整理癖的强迫症。但我觉得比「收进文件夹就算归档」要诚实一点。
五、一点不那么客气的判断
现在很多打着「资料图库」名号的地方，做的事情其实是把旧内容反复换皮，配上看起来专业的排版，读者点进去发现是同一批东西的第 7 个版本。这不是资料，这是流量的二手市场。
我愤怒的点在这里：认真的整理者花时间做溯源、做对照、写备注，这些工作看不见，所以不值钱；而复制粘贴、重新命名、加个「2026 最新」，反倒显得内容多。
如果有人问我这个站为什么还在做，答案很朴素：总得有人把编号写对吧。
——江晚，2026 年 3 月 17 日，凌晨一点二十，桌上还有三张没扫完。
