图片来源：JTMorkis via Pixabay

引言

大约一周前，Trevor Morris 发表了一篇题为《The Loss of Links Continues》¹ 的文章，Naty S.² 和 Michael Harley³ 都对此作出了回应。我觉得这几篇文章很有意思，因为它们与另一系列文章相关联，例如 Michael Harley 关于如何让博客更具持久性的文章⁴以及他关于如何在博客上分享链接的文章⁵。此外，还有我那篇关于嵌入内容给我的一个网站带来严重损害的文章⁶。

受这些文章启发，我开始深入研究链接失效这一话题。我发现这个话题的涉及面比我最初想象的要大得多，值得进一步探讨。

问题所在

如果有读者对这个话题还不熟悉，这里先快速解释一下什么是链接失效。所谓链接，就是一个网站上的可点击引用，点击后会跳转到另一处信息。这些信息可能位于同一网站内（比如跳转到另一篇文章，或打开某个个人资料页），也可能指向另一个网站上的内容（就像本文文末注释中我链接的那些文章一样）。它是网络导航中最基础、最重要的方式。

所谓链接失效，就是指某个链接不再有效。通常你会看到类似“未找到”的错误提示。这类错误有几种不同的形式，以数字代码区分：301、302 和 404。造成这些错误的原因有很多，但最常见的是：

• 作者已将信息移至新位置。
• 作者已将信息从互联网上删除。

因此，本文要讨论的，就是我们该如何处理这些信息被移动或删除的情况。其目的在于尽可能提供最佳的解决方案。

最常见的情形

我们遇到的最常见情形，就是链接彻底消失。遇到这种情况时，最省事的处理办法就是使用 Internet Archive 的 Wayback Machine⁷。虽然这种做法试图确保链接仍能指向某些相关内容，但也存在不少问题。

快照不准确

我看到的第一个问题是，很有可能获取到错误的快照。例如，如果某个域名被劫持，那么该网站最新的快照很可能与最初的内容完全不同。

另一种情况是网站的基础内容发生了变化。有些网站所有者出于某种原因决定更改网站内容，随后又放弃维护。在这种情况下，Wayback Machine 保存的镜像很可能就是更改后的内容。

在这些情况下，大多数时候我们可以通过翻查不同的快照来找到符合预期的内容。但这意味着自动更新链接时需要对时间更加敏感。即便如此，仍然有可能链接到的站点镜像与作者文章中的上下文并不相符。也就是说，目标网站可能更新了某个目标内容（比如给文章添加了一条更正说明），而我们发表的文章正是在引用这条更正。如果 Wayback Machine 恰好没有保存包含这条更正的目标文章的镜像，那会怎样？

这让我意识到，我们不仅需要研究如何提供一个更新后的链接，更需要确保上下文也能得到保留。

可访问性隐忧

Internet Archive 是互联网上寻找偏门或可能已丢失信息的最佳工具之一。然而，我们需要意识到，它并非总是获取这些信息最易于访问的地方。遗憾的是，政治因素已经影响到了人们对 Internet Archive 的访问。

就在我撰写本文时，据报道 Internet Archive 在五个国家被屏蔽⁸。然而，其中一份报告似乎有误，称美国在 2026 年 4 月就已屏蔽；但另一份报告则称在美国仍可访问。（而我就没有遇到访问 Internet Archive 的问题……当然，这并不意味着它在某些州层面没有被屏蔽。）

事实很简单，最需要获取这些信息的国家，反而可能无法通过 Internet Archive 访问到。当然，国家层面的行为体主动屏蔽互联网部分内容，并不是我们能直接改变的。

然而，将原本可能在全球范围内都可访问的链接，替换为已知在多个地区被屏蔽的目标，对于解决这个问题来说，并非最优解。如何在不触及审查过滤机制的前提下提供相关信息，是我们应该考虑的问题。

单点故障风险

这一点我不太愿意提，但又不得不说。Internet Archive 在其运营历程中曾多次遭遇服务中断。遗憾的是，其架构似乎缺乏足够的冗余来有效应对这些中断。

这并不是说他们存储的信息本身面临风险。他们确实拥有异地备份设施，在作为存储备份方面一直相当成功。而且，其存储和检索技术在过去十年中已大幅改进。（我还记得以前常会发现自己归档的内容无法访问，不得不去查看他们的存储系统到底哪里出了故障。这种情况已经好几年没遇到过了。）

然而，电力和网络中断确实一直是影响服务可用性的因素。这不是一个新问题，而是该服务持续存在的隐忧。

长期保存性

Internet Archive 希望将其存储的所有信息永久提供。其官网上就能找到一句非常简洁的表述：

你们会保存文件多久？ 作为一家档案馆，我们的目标是永久保存并提供这些资料。⁹

然而，这仅仅是一项意向声明。问题在于（如上所述），存在国家行为体屏蔽 Internet Archive 所提供信息的情况。但还有其他隐忧，例如出版商屏蔽 Internet Archive/Wayback Machine¹⁰，以及甚至仅凭简单请求就删除内容的情况¹¹。

因此，档案馆不能被视为其所存储的所有信息的权威记录。它可能是我们目前拥有的最佳选择，但不能被视作主要来源，而只能被看作是最接近准确记录的一种来源。

如何应对这些问题

我并没有完整的答案。这些都是我们必须面对的非常深层的问题，我不认为存在唯一、最可靠的答案。

其中一个可能有用的做法，是像维基百科那样记录检索信息：

维基百科参考文献截图

即便没有别的用处，这至少有助于记录 Wayback Machine 链接与原始链接之间潜在的差异。此外，如果检索日期能够以可解析的方式编码，我们就可以据此从 Wayback Machine 中选择合适的存档版本。当然，这一切都建立在存在与我们最初引用内容完全一致的镜像这一前提之上。

最后一种选择，听起来可能有些极端，但或许是我们拥有的最佳方案，那就是自行保存镜像。我使用 Zotero¹² 来存储大量信息，甚至包括我的网站书签。它的一大优点是，在向 Zotero 添加条目时可以保存镜像/快照：

Zotero 条目截图，显示访问日期

这种方式的好处在于，它会记录链接被加入收藏的时间、访问时间以及快照本身。一个值得探索的方案是，维护一个可用的快照存档，这样一旦遇到链接失效，就可以用快照来替代原链接。

像 Zotero 这样的工具提供的另一个选项是，能够将所保存的内容生成 PDF。如果希望将来以可检索的格式保留内容，这会很有用。

当然，使用 Zotero 这类文献管理工具也有缺点。鉴于它更面向研究人员，其使用体验未必最直观。而且它并非本地优先的工具：它依赖云存储，而云存储本身也有挑战。例如，如果存储空间用尽，你可能需要付费扩容，而费用可能不菲。就我个人而言，我还没有深入研究过 Zotero 在长期保存方面的表现。

还有许多其他选择：书签管理器、离线阅读器和网页剪藏工具都提供了可能满足处理链接失效需求的功能。其中一个看起来很有前景的离线阅读器是 Wallabag¹³，它可以自行托管。

最简单的方案（至少对基于 Firefox 的浏览器用户而言）可能是将网页打印为 PDF 文件，并建立一个 PDF 索引。这样做的好处是，通过 Firefox（或其变体）打印的 PDF 会在页眉/页脚中包含 URL 和日期（只要开启了该选项）：

网页 PDF，圈出 URL 和日期

当然，使用 Firefox 变体你也可以直接保存截图。在我看来，问题在于你需要自行保存与截图相关的元数据（即 URL、截图时间、存储与检索信息等）。而且令我惊讶的是，截图文件反而比 PDF 更大（这个 wallabag.it 页面打印为 PDF 是 837K，而保存为 PNG 则超过 1MB——差距不算巨大，但也相当明显）。

结论

当我开始撰写这篇关于链接失效的文章时，并没有预料到会走向这个方向。起初我并没有认为当前处理链接失效的方法不一定是最佳方案。事实上，我原本想从链接失效会如何影响我们的写作这一角度来探讨这个话题。

然而，随着我逐步深入，我意识到最初的框架并不是最佳切入点。讨论链接失效本身就是一个值得深入研究的完整话题。让我产生这一想法的关键，是使用 Wayback Machine 来缓解这一问题的思路。

虽然我很喜欢 Internet Archive 和 Wayback Machine，但以这种方式使用它还是让我警觉起来。其中最响亮的警报就是：单点故障。如果 Internet Archive 和/或 Wayback Machine 出现任何问题，这种缓解措施就会失效。而且一旦失效，情况可能会变得更糟。

从这个角度进行探究后，我意识到即便在未出现故障的正常状态下，使用 Wayback Machine 也已经存在问题。这些问题包括并非所有国家都能访问，以及帖子可能无法链接到准确的快照。

最后，我开始思考维基百科处理参考文献的方式。我注意到他们会在参考文献中添加检索日期。这至少有助于在只有 Wayback Machine 可选的情况下，提供一个指向准确快照的链接。

不过，我觉得探索其他可能性也是合适的。说实话，我并不确定自己已经找到了真正喜欢的方案。对我而言，相对最方便的（算是吧）要么是 Zotero，要么可能是（虽然我并未提及）Obsidian。但也有大量书签管理器、离线阅读应用、RSS 阅读器以及其他允许为归档目的保存网页快照或截图的工具。

那么，这一切的意义何在？归根结底就是：不要依赖那些可能存在我们无法控制的问题的服务。事实上，有太多不可控的变量，从技术问题到社会问题，再到政治问题。保留某种本地可访问的存档，可以让我们在遇到链接失效时更新文章，而不必依赖第三方服务。

还有许多与我们网站的长期保存/传承相关的其他话题需要讨论。我会在其他文章中继续探讨这些话题（那些文章希望能少一些技术性，多一些哲学思考）。