从一台旧笔记本和一份缓存索引说起
2026 年 2 月 13 日晚上九点十七分，屋里只开了书桌那盏灯，窗台上泡着的第二杯乌龙已经凉了。我把 2019 年买的那台 ThinkPad X230 翻开，屏幕右下角还贴着从前做索引时留下的标签纸，上面写着「vol.3 — 分页要重抓」。那天我做的第一件事，是把之前存下来的缓存索引按文件时间排了一遍，从最早的 2 月 6 日一直排到 2 月 12 日，一共 147 个条目快照，其中 39 个是断的。断的位置很集中，都在分页的第二层和第三层，说明不是内容本身丢了，而是入口的链接结构在这几天里换了形状。这一点很关键，因为它决定了后面要做的到底是「补内容」还是「改路径」——前者是体力活，后者是技术活，两者花的时间差得远。
我把这 39 个断点抄在一张方格纸上，抄的时候用掉半支蓝色圆珠笔。第二天上午十点多，我把它们和恢复后的站点重新对了一遍。结论比预想的要好：恢复后的 49图库恢复正常使用49图库免费下载 在分页编号上是连续的，第一页到第七页的编号没有跳号，图片的命名前缀也和旧索引基本一致，只有三处后缀从旧的小写改成了混写。这个细节很小，但对做镜像对照的人来说很要命——如果你用旧规则批量匹配，这三处会一直报「找不到」，而实际上它们都在，只是名字长得不一样了。所以我在那张方格纸的右下角写了一行字：「先统一大小写，再谈镜像」。这行字后来成了我整篇整理的起点。
恢复之后，我核对了三件事
第一件事是目录层级。恢复后的站点从首页到具体条目一共四层，比我印象里多了一层中间页。多出来的这一层是「分类聚合页」，作用是把同一批的条目先按标签归拢，再分发到具体页。这个做法本身不新鲜，但它对抓取节奏有影响：如果你按原来的三层结构写规则，会在第二层就提前退出，最后拿到的条目数会少掉大约四分之一。我拿 2 月 14 日下午三点到五点这两个小时做了实测，三层规则的完成率是 73%，四层规则是 96%，差的这 23 个百分点基本都落在聚合页下面。这个数字我记得很清楚，因为我在纸上画了个小框，标了「23%」。
第二件事是条目自身的完整性。我抽了 60 个条目做人工比对，比对的是标题、编号、以及图片是否存在，用的是最笨的办法：一个一个点开，看一眼，打个勾。这 60 个里有 57 个是完整的，2 个标题后缀多了个空格，1 个编号和相邻条目重了。重号那一个我特意留了下来，作为后面复核的样本，因为它能说明编号系统是不是在恢复过程中被重排过。第三件事是下载入口的位置。这一点我在整理笔记里写得很直接：入口不在首屏，需要向下滚动到条目的第二屏才会出现，而且不同分类下的位置略有差异。这种差异对普通用户来说只是多点一下，但对做自动化整理的人来说，意味着不能用一个固定坐标去定位。
我为什么坚持先做镜像，再谈收录
这里要提一句我个人的做法。很多人做这类整理，第一反应是「先抓下来再说」，我不同意。我的顺序是先做镜像对照，把新旧两份索引在本地对齐，确认差异点是可以解释的，然后再去谈收录范围。这么做慢，第一天基本什么都出不来，但它有个好处：一旦后面出现争议，你手里有一份可以逐条回查的对照表，而不是一堆来路不明的快照。2021 年我在做一个地方志的数字化项目时吃过亏，当时图快，先抓后对，结果后面花了三倍时间去做溯源，那次之后我就改了习惯。这个习惯带到 49图库恢复正常使用49图库免费下载 的整理上，就是先对齐、再扩量。
周明远在《目录学九讲》里说过一句话，我抄在扉页上很多年了：「索引的价值不在全，而在可核。」这句话用在这里很合适——可核，比全更重要。
具体到操作，我做了一张两列的表，左边是旧索引的条目路径，右边是新结构的路径，中间用箭头连起来，不匹配的标红。这张表一共 147 行，标红的有 11 行，其中 5 行是因为上面说的后缀大小写，4 行是因为聚合页多了一层，剩下 2 行是真正的缺失。这 2 行我没有急着补，而是先搁着，因为缺失的原因可能是抓取时间点的问题，也可能是条目本身被合并了，这两种情况处理方式完全不同。搁到第三天，其中 1 行自己出现了，另 1 行确认是被合并进了相邻条目，编号留了个跳号。跳号这件事我记下来了，因为它会影响后面按编号排序的稳定性。顺手也把之前那篇讲 6699浏览器app安装 的旧笔记翻出来对了一下，那边用的也是编号排序，两边的跳号规律居然能对上，这算是意外的收获。
关于「免费下载」这四个字
得说清楚一件事：我在整理过程中看到的「免费下载」，指的是条目页面上的公开入口，不是指整站打包。这两个概念经常被混在一起，混在一起之后就会出现两种极端的说法，一种说「全都能下」，一种说「根本下不了」，其实都不准确。我抽的 60 个样本里，有公开入口的是 52 个，剩下 8 个只有预览没有入口，比例大概是这样。这个数字我只对自己的记录负责，不对外推而广之，因为抽样本身有偏差，我抽的是恢复后前三天里访问量较高的那批，不代表全站。
另外，我把之前存的关于 香港正版资料图库 的对照笔记也翻了出来，两边在条目命名上的习惯不同，一边偏编号，一边偏主题词，放在一起看反而能互相印证哪些条目是稳定的、哪些是后来补的。稳定条目的编号基本没动过，补进来的条目编号往往带着一段明显的跳跃，这个特征比看时间戳还准。
一点不太讨喜的看法
说实话，我不太喜欢现在很多整理者把「恢复」当成一个终点来庆祝的做法。恢复只是把入口重新打通，后面的核对、对齐、标注，才是真正花时间的部分，而这部分几乎没人愿意写。我甚至觉得，一个站点恢复之后的第一周，才是最考验整理者耐心的阶段，因为这时候信息最乱，传言最多，谁都觉得自己手里的那份是最新的。我的看法可能有点偏：与其急着发一份「全量清单」，不如先发一份「差异说明」，告诉大家哪几处变了、为什么变、变了之后怎么对。差异说明不好看，阅读量也低，但它有用。这个判断我不打算改。
还有一处我想单独说。整理到第三天的时候，我发现 图库第一页 的排版和恢复前有明显差别，图片之间的间距变大了，一屏能看到的条目从 12 个变成了 9 个。这个变化本身无所谓好坏，但它直接影响按屏计数的脚本，如果还用旧的每屏 12 个去推算总页数，结果会偏小。我把这个发现写在了笔记的边栏里，用了个很土的标记：「屏数变了，别用旧系数」。土归土，管用。
收尾：把表留在桌上
2 月 16 日傍晚，我把那张 147 行的对照表打印出来，用回形针别好，放在书桌左上角。茶又泡了一杯，这次没凉。整理这件事，说到底就是把散落的东西一件一件摆回原位，摆的过程里你会不断发现自己记错了，然后改过来，再记错，再改。没什么戏剧性，也不需要戏剧性。我把这份记录留在这里，不是因为它有多完整，而是因为它可核——每一行都能回到具体的日期和具体的条目。对我而言，这就够了。
