网页剪藏这十年，我踩过的坑和留下的习惯

前几天想找一篇2019年看过的文章，讲的是某小众论坛的兴衰。我记得清清楚楚，当时用浏览器收藏了，还打了标签。结果翻遍书签栏，只看到一堆“未命名文件夹”和几百个再也没点开过的链接。那一刻我意识到，收藏不等于剪藏，剪藏也不等于记得住。网页这东西，生命周期比想象中短得多。根据Internet Archive的数据，普通网页的平均寿命大概只有100天左右，新闻类更短，有些链接几周后就404了。所以剪藏这件事，本质上是在跟数据的自然消亡做对抗。

最早我用的是浏览器自带的“另存为”。存下来一个HTML文件加一个资源文件夹，图片、CSS全在里面。好处是原汁原味，坏处是乱。存了三百多篇之后，文件夹里全是“article(1).html”“article(2).html”这种名字，找东西全靠翻。后来试过Evernote的网页剪藏插件，一键保存正文，自动去掉广告和侧栏。那几年确实方便，但免费版有流量限制，而且笔记一多，搜索响应明显变慢。我有个朋友存了八千多条笔记，最后导出花了整整一个下午。

再后来我转向了本地Markdown方案。主力工具是简悦加上Obsidian。简悦负责把网页正文提取成干净的Markdown，Obsidian负责归档和双链。具体流程是这样的：看到好文章，点一下简悦的阅读模式，再点导出，选Markdown格式，文件自动落到Obsidian的inbox文件夹里。文件名默认是文章标题，我一般会手动加上日期前缀，比如“20240315-网页剪藏方法”。这样排序天然按时间走，不用额外维护目录。图片怎么办？简悦可以配置图床，也可以直接下载到本地附件文件夹。我选本地，因为图床挂了的事情见得太多了。

这套流程跑了一年多，存了大概六百篇文章。过程中发现几个细节值得说。第一，别贪多。一开始我什么都存，技术文、新闻、甚至菜谱。结果inbox里堆了两千多篇没处理的。后来定了个规矩：只存那些我确定会重读的，或者三个月后可能用到的。第二，剪藏的时候顺手加两三个关键词。不用多，两三个就够。比如一篇讲推荐算法的，我加“算法”“信息茧房”“数据”。以后搜“数据”就能翻出来。第三，定期清理。我每周末花二十分钟过一遍inbox，该删的删，该归档的移到对应文件夹。不清理的话，剪藏就变成了数字囤积。

说到数据，剪藏其实还有一个隐藏价值：它是个人的网络文化切片。我翻自己2017年存的东西，发现那会儿特别关注共享单车大战，存了几十篇分析文章。现在回头看，那些预测大部分都错了，但记录本身很有意思。谁在什么时候说了什么，后来发生了什么，这种对照比单篇内容更有信息量。有研究机构做过统计，普通人每天接触的信息量大约是74GB，但真正能记住的不到1%。剪藏至少能把这个比例往上提一提。

工具选择上，我的建议是按场景分。临时看一眼的，用浏览器阅读模式就够了。需要长期保存的，上Markdown加本地存储。团队协作的，可以考虑Notion或者飞书的多维表格，但要注意导出格式是否开放。我见过太多人把资料全堆在某个闭源工具里，结果服务一停，数据全没了。2013年Google Reader关闭的时候，多少人连夜导出OPML文件。这种事以后还会有。所以剪藏的底线是：文件得在自己手里，格式得是通用的。

最后说个反直觉的体会。剪藏越多，我反而越少重读。后来我改了个做法：每存一篇，就在文件末尾加一行“为什么存这个”。一句话就行，比如“这个案例可以反驳××观点”或者“数据来源可靠，以后引用”。这行字强迫我当下就消化一点，而不是扔进文件夹等以后。效果还行，至少半年后翻出来，能立刻想起当时的意图。网页剪藏说到底是个习惯，不是工具问题。工具再顺手，不整理、不回看，存下来的也只是一堆占空间的字符。