上周三下午，我在旧硬盘里翻一个叫「图库_备份_2019」的文件夹。里面有一张截图，文件名是 49tk_0907_0231.png，拍摄时间是 2019 年 9 月 7 日凌晨 2 点 31 分。截图里是 49图库免费版网站资料查询广告投放的旧版页面，右下角有个手绘的小箭头，是当年我用来标记「资料查询入口」位置的。
那张截图让我坐了很久。不是因为怀旧，而是因为这张图证明了一件事：这类页面的结构，六七年里几乎没变，变的全是外面那层壳。
一、资料查询页的骨架其实很早就定了
我把那张截图和我现在做的索引表对了一遍。顶部查询框、中部资料条目区、底部广告位，三个区块的位置从 2019 年到现在基本没动。动的是字，是链接，是广告的形态。
2019 年那版页面上，广告位只有 2 个，都是静态图，尺寸固定为 728×90。现在同一个位置的广告位变成了 4 个，其中 2 个是自适应高度，视觉上更碎。
这个变化对归档的人来说是个麻烦。静态图可以按尺寸统一裁切，自适应高度不行——同一块广告位在不同时间、不同设备上截出来的高度都不一样，没法放进一个固定的版式里比较。
二、索引结构里的三个坑
第一个坑是标题重复。资料查询类页面里，同一个条目标题可能同时以「简写」「全称」「带版本号」三种形式出现。2019 年那份旧数据里，我数出 17 组重复标题，每组 2 到 5 条不等。
第二个坑是时间戳缺失。不少条目只有日期没有具体时分，归档时只能默认排到当天 00:00，这会导致同一批条目之间的先后关系完全丢失。
第三个坑是广告位和内容区在 DOM 上贴得太近。抓取时如果不做区块切分，广告文案很容易被误当成资料条目一起入库。我在 2021 年踩过一次，误收 43 条广告文案，后来花了两个晚上逐条剔。
三、我为什么坚持手工核对
说实话，自动化在这件事上被高估了。图库资料查询页的条目大多短、格式乱、缺字段，脚本跑出来的结果总要先人工过一遍才能用。我的做法是脚本先跑，再按 10% 抽样手工核对，抽样比例高于一般归档标准。
这不是完美主义。是因为这类页面本身更新快、来源杂，机器判不准「这条到底是资料还是广告」的时候，只能靠人再看一眼。49图库恢复免费打开下载 这一条我在不同年份的页面上见过四个版本，字段差异大到脚本会把它当成四条不同的东西。
四、广告投放记录该怎么归档
我的观点比较明确：广告投放不该和资料条目混在同一张表里。它们记录的是两种完全不同的东西——一个是内容，一个是展示行为。混在一起，检索效率会掉得很快。
所以我给广告投放单独建了表：记录位置、尺寸类型、起始日期、结束日期、页面版本号。内容字段留空，只在备注里写一句「形态备注」。这样查的时候，只要按页面版本号一筛，就能看到某一年那块位置挂了几次、换了什么形态。
这套表最早是为 澳门旧版正版图库 那批旧页面建的，后来发现对别的页面也适用，就保留下来了。
五、关于版本对比的一点补充
2019 年和 2026 年的页面对比下来，最大的差别不在结构，在密度。2026 年同一屏里能出现的内容条目多了近一倍，而留给查询框的垂直空间少了大约三分之一。
这个变化对使用者的实际影响是：查询框更靠上，输入更顺手，但结果列表更容易被广告打断。这是一组真实的取舍，不是单纯的好坏问题。
我在整理 网课自动播放下一节 那类自动跳转页的时候也观察到类似的密度变化，说明这不是某一个页面的事。
最后放两张图。一张是 2019 年那张截图的重拍版，一张是现在的查询区。对比着看，六年时间其实只挪动了几十像素。
2019 年那批截图目前只有复印级备份，原件在移动硬盘里已经读不出了。
