文章配图:一张页面从搜索框到导航列表再到目标页的路径示意
阅读口径

本文只讨论目录页的常见生产方式与页面痕迹,不评价任何具体站点,也不提供任何条目地址。

人工收录留下的痕迹

人工收录的条目通常描述长度不一、语气带个人色彩,偶尔有编辑写的短评,甚至会出现“这个站最近打不开”之类的备注。分类也可能不完全对称,有的类目十几条,有的只有两条。这些不整齐,恰恰是有人逐条看过的证据。

程序抓取留下的特征

抓取生成的条目往往格式高度统一:标题就是网页标题,描述就是 meta 描述的前几十个字,标点被截断在半句。条目按字母或域名排序,同类之间没有轻重之分。整页看下来像一份打印出来的清单,很难找到“有人做过取舍”的迹象。

访客提交留下的迹象

访客提交的条目常带推广痕迹:描述里堆着形容词,标题里塞进关键词,链接指向的页面往往有联盟参数。提交型目录通常还有一个特征:新条目集中在某几个类目,且更新时间呈块状分布,像是有人在短时间内批量提交。

从页面读出生产方式

三个观察点就够:描述是否整齐、排序是否有规律、更新是否成块。三者都整齐,偏抓取;描述参差、有短评,偏人工;描述浮夸、更新集中,偏提交。真实页面常是混合的,前几十条人工,后面批量填充,分界线往往出现在第一屏之后。

知道生产方式有什么用?它决定了条目的可信度上限。人工条目最多代表“某个编辑当时的判断”,抓取条目只代表“这个页面当时存在”,提交条目则可能只代表“有人希望你去”。三种上限都不高,但差别足以影响你怎么用这张表。这条分界线通常落在第一屏之后,因为前面的位置最值钱,也最需要有人负责。

可执行检查单

  1. 01看描述是否整齐:格式统一、句子被截断的,多为程序生成。
  2. 02看排序是否有规律:按字母或域名排列的,通常没有人工取舍。
  3. 03看更新是否成块:短时间大量新增,常见于批量提交。
  4. 04找到人工与自动的分界线,只用分界线以上部分做参考。

常见问题

三种方式能混用吗?

几乎总是混用。常见做法是先人工收录一批常用条目,再用抓取扩充数量,最后开放提交入口补充长尾。混用本身不是问题,问题是页面往往不说明哪部分是哪种,让读者以为整张表都经过了同样的处理。

条目数量说明什么?

说明维护者的野心,不说明覆盖质量。抓取可以让条目数在一夜之间翻十倍,人工收录一个月也攒不了几百条。所以数量大的目录页,更可能是自动生成的;数量少但描述具体的,反而更可能有实际维护。

生产方式决定可信度上限

下次打开一张目录页,先别数条目,先看它怎么攒出来的。弄清楚这一点,你就知道这张表最多能告诉你什么,也就不会把“被列进去”错当成“被认可”。