当好友注销了账号：从「页面不存在」到 WARC 里复活的高中同桌

前几天，我想在豆瓣上找一位老朋友。

在关注列表（contacts）和被关注列表（rev_contacts）里反复翻了几遍，一无所获。 记忆里我们明明曾在很多条广播和电影下互动过，但人就像从数字世界里蒸发了一样。

凭借当年残存的线索，我终于顺着数字 UID 摸到了 TA 的豆瓣个人主页（douban.com/people/69305634/）。 然而迎面而来的，不是熟悉的动态，而是一块冰冷的灰色墓碑：

该用户已经主动注销账号。
注销时间：2025-05-31 13:13:34
>取消关注

注销时间定格在 2025 年 5 月底。 主动注销后，豆瓣系统抹掉了 TA 的一切公开展示。

坍塌的语境：「呃...你想访问的页面不存在」

我试着点开 TA 当年在 2018 年发出的那条广播原链接（douban.com/people/69305634/status/2181565157/）。 浏览器直接跳出了豆瓣经典的 404 页面：

原帖已经彻底消失了。

面对注销后的空白主页，很多人的第一反应是去全球最大的互联网档案库（Internet Archive / Wayback Machine）碰碰运气。
确实，Internet Archive 曾在 2020 年 4 月 29 日尝试抓取过她的个人主页，但很可惜，抓下来的只是一个跳转登录界面的 302 响应：

https://www.douban.com/people/69305634/ | 21:48:59 April 29, 2020

Got an HTTP 302 response at crawl time

Redirecting to...
https://www.douban.com/accounts/login?redir=https%3A//www.douban.com/people/69305634/

因为公共档案馆的爬虫缺乏登录凭据，直接被豆瓣的访问限制挡在了门外。 对公域网络爬虫而言，像豆瓣这样充满登录墙与反爬限制的现代社交网络，几乎是一片无法渗透的黑洞—— 一旦用户主动注销，全网公域便彻底失去了 TA 曾经驻足的任何完整快照。

那么我自己的广播时间线呢？ 顺着历史，我找到了自己在 2018 年 6 月 28 日发出的那条转发广播（status/2181605815）：

“我也一直觉得我高三同桌就你了 哈哈哈哈 恃才傲物的咱俩一个人坐”

我的附言还在，照片还在。 但在今天的豆瓣线上页面上，上方被转发引用的原文区域，已经被替换成了一串冰冷的系统占位符：

[ 该广播仅作者本人可见 ]

语境被彻底切断了。 若干年后，如果一个不知情的人（甚至多年后记忆模糊的我本人）重新翻看这条广播， 只会看到一句突兀的「我也一直觉得我高三同桌就你了」，却再也看不到上一句是什么、是谁在回忆高三同桌、为什么会提到「男女不允许同坐」。 平台通过把原内容置换为 404 与遮罩，不仅抹去了离开者的痕迹，也在无声无息中侵蚀了留下者的记忆上下文。

从 2022 年的 WARC 琥珀与 GitHub 抓取历史中苏醒

万幸的是，豆备（Doubak）从第一天起就坚持抓取并封存标准的原始网页档案（WARC）。 而且早在这个独立备份体系成型前，作者就在自己的博客生成器仓库中完整留存了历史抓取的原始 HTML 网页。

翻开 GitHub 上的历史仓库：
👉 MewX/mewx.github.io-Generator 的 data/doubak/collector 历史抓取目录

在四年前的这份快照文件 20221225.1826_broadcast_p80.html 第 2336-2352 行中（以及 2022 年底打下的全量归档包 doubak-bundle-20221225T181500Z-98e6c6 广播切片 data-20221225T181500Z-98e6c6-00001.warc.gz 中）， 那段已被线上永久抹杀的同桌对话，白纸黑字地公开留存在版本库中：

了凡（原广播 status/2181565157）：
“高中，我们都不允许男女坐……不过我觉得高中最后阶段，老夏也算是我同桌了吧！ @MewX”

MewX 转发附言（status/2181605815）：
“我也一直觉得我高三同桌就你了 哈哈哈哈 恃才傲物的咱俩一个人坐”

顺着原始 HTML 的 DOM 结构深挖，我们甚至还原出了整场对话的起因：
当年引发这段感慨的，其实是友邻 29° 发的一条广播（status/2181490141），标题叫「这才是真正的天台喊话吧」，附带了整整 8 张高中生在天台上呼喊青春的组图。 了凡看到天台喊话后想起了高中岁月，便转发并 @ 了老夏；老夏随即转发附言，并将这 8 张图片一起转播到了自己的时间线上。

这 8 张当年的天台喊话照片，如今在豆瓣线上同样被层层设障，但豆备已经在样张库中将它们完整下载并持久化（支持点击查阅大图）：

在随后的连续两年归档（ 2023 年快照 与 2024 年快照 ）中，这条广播都清晰无误地存在着。

而在由豆备静态站点生成器离线渲染的公开样张站上，这条广播在时间线上的记录同样得到了永恒的安放：
👉 sample.doubak.com/broadcast/2018-06.html#2018-06-28-202052

无论豆瓣线上如何删改、替换或者注销，这枚离线生成的页面不发出一个外部网络请求，永远停驻在那个 2018 年夏天的夜晚。

不止广播：书影音里 62 处未被磨灭的共鸣

广播只是一次偶发的对话，但在豆瓣这样的兴趣社区，真正的精神共鸣散落在书影音的长河里。

当一位用户注销后，豆瓣数据库将 TA 的所有历史评论重命名为 豆友69305634 或匿名散列，头像全黑；而在很多公域条目下，注销账号的短评甚至会被彻底折叠。

但由于豆备在登录态下抓取条目作品详情页时，忠实地将包含个人社交视角的原始页面写入了 catalog-*.warc.gz，详情页右侧边栏的「好友评价 / 我关注的人的评价」模块把这位好友当年的足迹完整冻结了下来。

在我的档案库里，一共有 62 部作品记录下了「了凡」当年的打分与真实短评。在我们的样张库和归档底片中，随时可以查阅这些珍贵的印记：

• 读书 · 《1984》（豆瓣原页 subject/4820710）：
  评价：★★★★☆（推荐，2017-12-29）· “读起来心肝颤……”
• 电影 · 《活着》（豆瓣原页 subject/1292365）：
  评价：★★★★★（力荐，2018-02-14）· “看不下去，太惨了”
• 电影 · 《星际穿越》：
  评价：★★★★★（力荐）· “脑洞打开，这种片只有电影院看才过瘾”
• 电影 · 《消失的爱人》：
  评价：★★★★★（力荐）· “看完不想结婚了，如果婚姻都到了这种地步，还能说什么呢？后面的日子，两个人互相折磨”
• 电影 · 《大空头》：
  评价：★★★★☆（推荐）· “专业词汇比较多，说实话没怎么理解……( ･᷄ὢŕ惕)”
• 电影 · 《花木兰》：
  评价：★★★★☆（推荐，2020-09-12）· “从哪里找了这么多中国景色，太厉害了。迪士尼免费给中国做的大外宣……”
• 电影 · 《误杀》：
  评价：★★★☆☆（还行）· “翻拍得没有原版好，虽然原版我是后看的。结局为了主旋律作了生硬改动……”

以及《哆啦A梦》下的“怎么能少了你！”、《侏罗纪公园》下的“老片子的配音不是很喜欢…”……
62 部作品，跨越近十年。 这些文字在当下的互联网上已经难觅踪影，但在本地的 WARC 档案里，TA 的喜怒哀乐如同昨日。

技术底线：为什么「抽取字段」无法替代「原始网页」

这件事情在技术上给了我们极大的震撼与启发。

市面上绝大多数备份工具，其实现逻辑都是「抽取当下关心的字段」： 写几行正则或 CSS 选择器，提取 title、content、rating，然后导出一张 Excel 表格或者存入一个私有数据库。

这正是我们坚持将 WARC 作为豆备核心格式的根本原因：

1. WARC 是不可篡改的「胶卷底片」： 它忠实保存了网络请求在 wire protocol 上的每一个字节。它不预设立场，不猜度你未来想看什么，而是把那一刻浏览器接收到的整个 DOM 视界完整封存；
2. 冲洗权永远在本地： 今天的 doubak-data-parser 可能只提取了正文和标记动作； 但在未来任何时候，只要我们升级解析器，就能直接在本地离线重跑——无需任何网络请求，也不用担心页面变成了 404，就能随时从历史 WARC 底片中重新冲洗出「被转发引言」、「好友短评网络」与「互动树」。

后续演进

这次偶发的寻人经历，直接促成了我们对后续工具链的规划：

• 支持抓取广播详情与评论互动（Issue #26）： 目前扩展的广播路线是按时间线列表页抓取（broadcast.timeline）。列表页忠实记录了「这条广播有 1 条回应」以及转发引用的图文，但折叠在详情页里的多轮评论对话并未被拉取。 许多时候，广播本身可能只是一句感慨或一张图片，真正触动人心的话题交锋与老友接梗，往往全在下方的评论区里。 我们已经在扩展仓库建立了 Issue #26，计划针对存在回复的广播进一步抓取其详情页面（status/:id），把珍贵的评论对话也完整封存进 WARC；
• 广播引言的结构化规范：在 doubak-data-specs 与 doubak-data-parser 中，推进 repost_source / quote 字段的解析标准，把广播被引用的作者、昵称与正文以第一等公民沉淀入 broadcasts.ndjson；
• 静态站的引言卡片渲染：在 doubak-site-generator 中，补全转发广播的嵌套卡片视图，即使线上原文已逝，离线镜像依然能展现完整的对话脉络；
• 条目好友互动的离线索引：探索从 catalog-*.warc.gz 中离线聚合「好友共读共看」视角的可能性。

互联网不是坚固的石碑，它是一片不断流动的沙滩。 账号会注销，帖子会被删，链接会 404，曾经形影不离的朋友也会在数字浪潮里悄然走散。

但只要你亲手把网页原样存进本地硬盘， 那个并肩坐在高三教室里、恃才傲物的阳光午后，就永远不会被风吹走。