本文讨论的是文本层面的复制痕迹,不涉及任何具体站点的运营情况;文中不出现任何网址。
顺序是最难改的部分
手动重排一份三百条的清单,成本极高,所以转载者通常原样保留顺序。于是你会看到:几份不同页面的条目排列一模一样,连分组边界都对得上。更细的痕迹是“异常顺序”——某条明显过时的条目夹在两条新条目之间,或某个名称被放在与其类别不符的位置;这种不合逻辑的位置只有在整段复制时才会被保留,因为重排的人会顺手调整,复制的人不会。还有一个观察点:新增条目落在哪里。原创者通常接着往下加,转载者常把新条目直接塞进顶部,于是出现“顶部三条是新格式、下方两百条是旧格式”的断层。
标点与格式同步走样
复制会带走原作者的书写习惯:用全角还是半角括号、条目之间用顿号还是斜杠、名称后面是否统一加后缀、说明句是否都以句号结尾。这些细节在转载后往往整体保留,甚至包括个别错字与不一致的空格。若两份清单在这些细节上高度一致,基本可以判断同源。反过来,如果一份清单格式杂乱、每条都不一样,它更可能是多人提交的集合,而不是单人整理。要注意的是,格式统一也可能是模板造成的:套用同一套排版规则的页面,看起来整齐,但整齐来自工具,不来自校对。判断时看整齐里有没有例外,例外往往才是人工痕迹。
遗留字段暴露来源
采集来的条目常带着原始环境的残留:标题里剩下的站名、被截断的半句描述、行尾多余的编号、写成占位符的日期。这些东西对读者没用,却是来源的指纹。看到一批条目都带同一种残留,说明它们来自同一次抓取;看到残留各不相同,说明是多次拼接。另一种残留是图片与排版:同一张示意图被反复使用、同一段免责声明一字不差地出现在多个页面,都指向同一次复制。判断清单质量时,残留越少、格式越统一、说明越具体,通常说明整理者越愿意花时间;只有一串名称的条目,多半是原样搬运。
可执行检查单
- 01抽三条条目并排比较标点与括号用法,一致得反常就说明同源。
- 02找一条明显过时的条目,看它是否仍留在原位;位置未动多半是复制而非整理。
- 03检查标题里有没有多余后缀、截断句或占位日期,那是采集留下的指纹。
一个常见问题
清单被抄来抄去,对使用者有什么实际影响?
最直接的影响是失效条目不会被清理。原创者知道自己加过什么,会顺手删掉;复制者不知道,也不关心,于是死条目越积越多。其次是没有更新动力:抄来的清单只要能带来访问就够,没人会对它负责,出错也没人认。第三是错误会一起扩散:原稿里的错字、过时信息、错误归类,会被复制到每一份副本上,且越传越难追溯来源。所以看到高度同源的清单,合理的预期是它只会变旧,不会变好;要判断眼前这一份值不值得用,看它有没有在原文基础上做增量。
同源不等于同质
两份清单内容一样,呈现方式可能差很远:一份加了分类、备注与核对日期,另一份只是原样贴出。判断时不必纠结谁抄谁——多数情况下也判断不出来,因为中间可能隔了好几手。只需看这一份有没有做增量。增量有四种:加了分类、加了备注或说明、加了失效标记、加了核对日期。四种里有一种,就说明有人在这里花过时间;一种都没有,它就是一个更旧的版本。