那沓纸的第一页右上角写着一个日期：2019 年 11 月 23 日，笔迹偏细，用的是 0.38 的黑色中性笔。第 1 行到第 17 行还能看出原来的排序逻辑——按来源分组，每组给了三列：来源名、抓取日期、备注。到第 18 行之后，记录突然散了，同一来源被拆到三处，备注栏里开始出现「待核」「重」这样的单字。第 41 行只有一句话：「问过老周，他说这条他也找不到原始出处。」
我把它带回家，用手机拍下每一页，再逐行誊进表格。41 行里有 9 行我至今没能确认，这也是我后来做这个收录区的起点。
说到这里得交代一下我用的工具。整理这类零散信息，我最依赖的反而是浏览器本身：早期我常拿 永久不收费的浏览器 开一批标签页做对照，后来发现标签开多了内存顶不住，就改用会话隔离的方式，具体怎么切到纯网页视图、关掉那些干扰解析的加载项，我在 qq浏览器怎么网页模式 里写过一段操作记录，这里不重复。真正的问题从来不是工具，是记录格式——同一批材料，格式不统一，三个月后自己都读不懂。
三个细节，值得留下来
第一件事是关于「老周」的。那沓纸的主人显然认识一个姓周的人，且这个人被当作权威来引用。我在旧货市场的摊主那儿打听过，摊主姓陈，五十来岁，说他收这堆纸的时候是跟一批旧杂志一起按斤称的，一共 6.3 公斤，里面还有两本 1998 年的《读者》。他没听说过什么老周。这条线索就这么断了，但我把它记在了备注里，编号 018，状态写的是「人证不可考」。
第二件事更具体。第 27 行旁边有个铅笔圈，圈里写「对照 49 图库旧版」，我顺着这个提示去查，发现那批资料后来被整理成一份可批量获取的对照表，就是 正版49图库资料免费打开批量下载 里提到的那个版本。我核对了其中 12 条，有 4 条与那沓纸上写的不一致，其中 2 条是年份抄错，1 条是编号错位，还有 1 条我判断是原始记录本身就有问题。
第三件事是我自己的失误。2021 年春天，我把第 5 条误标成了已核实，理由是「两次抓取结果一致」——现在回头看这个理由站不住脚，两次抓取一致只能说明来源稳定，不能说明来源正确。我在三个月后才发现，改正时在表格里留了一行划掉的痕迹，没有删掉。留痕比干净重要，这是我的个人观点，可能有人不同意。
说实话，我认为大部分关于这类信息源的中文整理工作，被「收录数量」这件事严重高估了。一份 300 条、每条都标了核对状态的表，价值远高于一份 3000 条、状态栏全是空白的表。前者能被人接着做，后者只能被接着抄。
这也是我为什么在自己的收录区里坚持给每一条加三列：来源可得性、核对日期、核对人。第三列大部分时候写的是「江晚」，少数几条写的是别人的名字，因为我确实请人看过。有一次我把第 33 条发给一位做数据归档的朋友，她回了一句「这条的日期格式是错的，2003 年 2 月没有 30 号」，一句话省了我两天。这种具体的、可执行的反馈，比任何「整体不错」的评价都有用。
后来我还遇到过一次「服务中断」的插曲。2022 年 9 月，某个常用来源连续 11 天打不开，我那几天正好在核一批旧编号，只能四处找镜像。那次经历让我在笔记里加了一条规则：任何来源，至少要记两个独立入口，并且在入口失效时不慌——因为< a href="/post-287215.html">49图库恢复正常使用免费打开49 那次正好是我参照的一个例子，中断之后原样恢复，数据没有丢，只是时间戳全部前移了一天，如果事先没记原始时间戳，这批数据就废了。
说到入口，我把入口这件事单独列了一节，因为太多人在这里吃亏。我自己的习惯是把入口和资料分开记：入口记在「通路」页，资料记在「内容」页，两页互相引用但不混写。像 6996新ip登录入口网址 这类地址，我只记录它出现的时间和当时的可访问状态，不记录「它应该是什么」，因为后者是臆测。另外，涉及本地客户端的部分，我一律单独做验证步骤，下载4949图库并安装 那一次我是在一台闲置的旧机器上跑的，装完比对文件哈希，确认和来源方公布的摘要一致，才把它写进「已验证」栏。
现在那份从旧货市场捡来的表格，已经扩到 187 条，编号沿用了原来的手写顺序，从 001 到 041 保留原样，包括那 9 条未确认的。我把它们放在最前面，不按日期排，也不按重要度排——就是按当年那支 0.38 中性笔写下的顺序。有人问过我为什么不整理得「更好看一点」，我的回答是：好看不是目的，可追溯才是。
