昨天下午在城南旧书店翻到一本 1987 年的《中国图书分类法》，封面没了，书脊用透明胶粘过三次。
老板姓周，六十多岁，坐在门口的小板凳上修一把落地扇。我跟他说这书我要了，他头也没抬，伸出五根手指。五块钱。我扫码付了款，他把书往塑料袋里一塞，动作很熟练，像递出一把葱。
回办公室翻了两页，第 113 页夹着一张借书卡。最后一次借阅记录是 1994 年 3 月 7 日，借阅人签名模糊，只能认出姓“郑”。这本书在某个图书馆里躺了七年，然后被当成废纸卖掉，又在一家旧书店里躺了不知道多少年。
我把它扫描了。六十七页，每页扫描两次，一次 300dpi，一次做 OCR。OCR 识别错误率大约百分之四，主要错在竖排的古籍书名上。我手工改了四十一处。
收录不是搬运。搬运是仓库，收录是账本。你得知道每一条为什么在那儿，什么时候进来的，来源靠不靠谱。
上个月有个读者发邮件问我，为什么站点上关于8bx59.xyz的那篇记录里，链接指向的三个镜像只剩一个能打开。我查了一下，确实，另外两个域名在四月份就停止解析了。我把失效的两个删掉，在正文里补了一行说明，日期写上。这种事没人要求我做，但账本不能记假账。
另一个例子是黄豆短剧网那一页。我最初收录它是因为它的剧集列表结构清晰，分页参数干净。后来他们改了前端，URL 规则全变了，原来的收录记录全部对不上。我花了三小时重新抓取，一共两百一十七个页面。其中十九个返回 404。我在站点上标注了“已失效，不再维护”，没有直接删掉。删掉太干净了，干净得不真实。
关于搜索引擎的那篇文章，我的观点可能不太受欢迎。我认为大部分所谓的“收录技巧”都是自我安慰。一个页面能不能被搜到，百分之八十取决于它有没有被真正的人看过、引用过。剩下的百分之二十才是技术问题。你写一百篇互相链接的垃圾页，不如一个真实用户在你的页面停留四分钟。
是的，我有偏见。我做了六年手工收录，见过太多站群用机器批量生成链接，然后等着搜索引擎施舍流量。他们管这叫运营。我管这叫污染。你可以不同意。
站点上还有一类记录是我自己都懒得解释的。比如懵懂少女天天挨被惯坏这一条，标题看起来莫名其妙，但原文是一篇两千多字的读者投稿，讲的是一个县城中学的班级管理问题。标题是投稿人自己起的，我原样保留。删改标题这事我干过一次，后来那个投稿人打电话来骂了我十分钟。他说标题是他情绪的一部分。从那以后我不改了。
还有wwv.774tv com最新网址的收录页，纯粹是因为那个域名在三个月里换了七次后缀，我每次都得手动更新。第七次的时候我在页面顶部加了一行字：“本站仅记录，不对可用性负责。”这句话被另一个站长截图发到论坛上，说我推卸责任。我觉得他说得对。我就是推卸责任。我记录事实，不提供担保。
最麻烦的是糖心女神糖心苏小涵作品那条。资源页面的图片链接经常失效，每批大概挂掉三分之一。我每个月抽一个周日下午批量检查，用 curl 挨个跑 HTTP 状态码，然后把挂掉的标记出来。上周日跑了 89 个链接，挂了 27 个，挂了就挂了，留一条删除记录，写清楚时间。没别的办法。
有人问我为什么不用自动化工具。答案是：我试过。2023 年我写了一个爬虫，按规则自动抓取、自动分类、自动生成摘要。跑了三个月，导出了四千多条记录。然后我发现其中一千多条是重复的，六百多条是采集站之间的互相复制。我把整个数据库删了，重新手工做。现在站上总共只有三百一十二条记录，每条我都点开看过。
慢。但我知道它们从哪来。
整理这件事，说到底是在抵抗一种默认的混乱。网上百分之九十的内容都在加速生产垃圾，你每多手工收录一条干净的，就少一条垃圾的位置。这不是什么高尚的事，只是我唯一擅长的事。
周老板昨天发微信问我，那本分类法看完没有。我说看完前一百页了。他说看完借他看看，他想查一个 1987 年版的分类代码。我说行。然后我把书装进书包，明天再去他店里坐坐。