適用對象

用一種仍能打開的格式，保存你讀過的東西

書籤指向會改變或消失的頁面，稍後閱讀服務則會關閉、被收購，或開始為匯出收費。擷取內容就是文字本身，採用沒有廠商、不會到期的格式，存在你決定的地方。

存下的閱讀為什麼會消失

長期大量閱讀的人，至少都失去過一次自己的藏書。某個稍後閱讀服務關閉了，匯出的結果是一個網址的 JSON 檔，其中大多數已經失效。某個筆記應用程式改了格式，舊檔案得用舊版本才能打開。一個 2014 年的書籤資料夾，現在一頁接一頁地導向停放的網域，或跳轉到某人的首頁。

共同的原因是依賴。如果你存下的閱讀需要某家公司仍然存在、某個帳號仍然有效，或某種只有一個程式看得懂的格式，那它就是借來的，而不是你保存的。純文字沒有這些依賴，這正是二十年前寫的檔案今天仍能不費周折打開的原因。

大家之後才會發現的失敗，是找不回來，而不是存不下來。沒人能搜尋的封存，就是一座立意良善的垃圾掩埋場：你知道自己在某一年、某個叫不出名字的網站上讀過某個主題的東西，卻無從找起。純文字以任何介面都做不到的方式解決這件事，因為每個作業系統上的每個工具都能搜尋它，一次 grep 就能從十年的閱讀中找回檔案，而檔案自己的檔頭會說明它是哪個頁面、何時發布。

擷取內容的封存長什麼樣子

• 耐久、開放的格式：帶有 YAML frontmatter 的純文字，任何編輯器和 grep 都讀得了。
• 沒有帳號，不上傳任何東西：你擷取的內容留在你自己的磁碟上。
• 發布日期和來源網址隨文字一起擷取，所以筆記多年後仍能辨識。
• extraction 欄位記錄擷取路徑：dom 來自呈現後的頁面，jsonld-articlebody 來自頁面自己的結構化資料。
• 擷取數量沒有限制：沒有配額、沒有每日上限，也沒有付費方案。
• 檔名衝突時會加上數字後綴，所以同一頁面先前的擷取絕不會被覆寫。
• 逐行的文字能像原始碼一樣壓縮、去重、同步和比對差異，所以備份十年的閱讀成本很低，還原時也不需要任何特殊工具。
• 個別網站規則會在送達時就為整個網域歸檔，所以封存會在你閱讀時自行整理，而不必等一次永遠不會到來的整理時間。

---
title: "Things You Should Never Do, Part I"
source: "https://www.joelonsoftware.com/2000/04/06/things-you-should-never-do-part-i/"
author: "Joel Spolsky"
date: "2000-04-06"
extraction: "dom"
---

They did it by making the single worst strategic mistake that any software
company can make: they decided to rewrite the code from scratch.

建立封存資料夾

整套設定只為了讓一件事成立：擷取的成本必須低於決定要不要擷取。其他一切都由此而來。

1. 選一個資料夾當作封存，例如放在你存放文件的最上層的 Archive。一個資料夾，不是每個主題一個：主題交給搜尋，而資料夾樹是你必須在閱讀當下做的歸檔決定。
2. 從擴充功能圖示開啟選項，把存放位置指向那裡，並把按下圖示時的動作設為「存到資料夾」。沒有視窗、沒有對話框、不必做決定：整個習慣就靠它只花一個按鍵。
3. 把檔名範本設為 {date}-{domain}-{title}。這讓你得到時間順序、一眼看出網站，以及足夠的唯一性，兩個不同頁面的擷取永遠不會搶同一個檔名。
4. 開啟每一個 frontmatter 欄位。date 是頁面自己的發布日期，extraction 記錄文字是怎麼取得的，而這兩者都是之後無法補回的東西。
5. 為你經常閱讀的少數幾個網站新增個別網站規則，各自對應子資料夾。封存會自動整理你最常擷取的內容，而扁平資料夾最先變得難以管理的，正是這些。
6. 把這個資料夾納入你備份文件的方式，並且真的從備份中還原一個檔案、打開它一次。沒人還原過的封存，只是一個假設。
7. 邊讀邊擷取，而不是等整理的時候。你會想回頭找的頁面，正是那些到時候已經消失的頁面。

保存東西的設定

這些值假設封存會比它起步的那台電腦活得更久，大概也比瀏覽器活得更久。這裡沒有任何設定會產生必須跟著它一起存活的依賴。

Archive/
  2019-08-14-the-website-obesity-crisis.md
  2026-01-07-the-website-obesity-crisis.md
  2026-01-07-the-website-obesity-crisis-2.md

第三個檔案是同一天的第二次擷取：檔名衝突時會加上數字後綴，
而不是覆寫。2019 年的檔案仍能用任何編輯器打開，
frontmatter 也仍記載著它來自哪個網址。

同一個習慣的三年

早上閱讀，無意間完成封存

一週內讀了六篇長文，每讀完一篇就按一次鍵擷取。沒有視窗開啟，什麼都不必歸檔，也不必判斷這篇值不值得保留；這正是重點，因為那個判斷，正是讓封存無法成形的原因。

累積下來的是一個資料夾，檔名告訴你日期、網站和標題，每個檔案的前四行告訴你網址、作者和發布日期。什麼都沒有整理，卻依然能搜尋，因為命名已經完成了整理。

找到你幾年前讀過的東西

你只記得一個詞組，其他都不記得：不記得網站、年份，也不記得作者。在封存資料夾中搜尋一次就找回檔案，它的檔頭說明了是哪個頁面。沒有建立任何索引，不需要任何應用程式仍然存在，搜尋在斷網時也能用。

這正是書籤資料夾做不到的事。書籤存的是東西在哪裡，而不是它寫了什麼，所以在書籤中搜尋，只能比對別人取的標題。

網站下線，文字還在

一個你讀了好幾年的部落格打不開了。擷取內容不受影響：文字、作者和發布日期都在你磁碟上的檔案裡，source 行也仍然記錄著網址，即使那裡已經沒有任何回應。

圖片是誠實的例外。它們是連結，所以網站壞掉時也跟著壞掉，價值在於照片的頁面，這個工具保存不了。這是文字封存的取捨，值得知道你的哪些頁面落在錯的那一邊。

和其他保存閱讀的方式相比

這張表裡最強的選項不是這一個。完整保真的封存保存得更多，代價也更高：空間、設定，以及必須持續運作的東西數量。

多年下來會出什麼問題

舊擷取內容裡的圖片壞了

它們是連結，而它們指向的網站已經搬家、改版或消失。擴充功能不下載二進位資源，所以擷取內容的封存就是文字的封存。圖片本身是重點時（攝影專題、圖表、漫畫），要嘛當下另外儲存，要嘛接受這不是保存它們的工具。

資料夾裡越來越多幾乎重複的檔案

這是檔名衝突規則在發揮作用：同一頁面的第二次擷取會加上數字後綴而不是取代第一次，因為已經改變的頁面，第二次擷取往往比較有意思。沒有任何東西會自動去重。在純文字上，找出重複檔案用任何常見工具一行就能做到，比較其中兩個則是一次差異比對。

一半的封存都叫「Home」或「Untitled」

標題取自頁面自己的中繼資料，而有些網站給每個頁面都取同一個標題。這正是檔名範本中 {domain} 和 {date} 的用途：兩者都在名稱中時，沒幫助的標題仍是找得到的檔案。如果封存裡已經有一百個這種檔案，它們都是文字檔：手動或用腳本重新命名就能解決，檔案內容不會有任何損失。

有些頁面就是擷取不了

分三類。瀏覽器保護的頁面，也就是 chrome:// 網址和擴充功能商店，任何擴充功能都不能在上面執行。沒有文章內文的頁面，例如資訊流、商店首頁和搜尋結果，會被回報為「沒有文章」，而不是以連結清單傳回。以及任何從未為你呈現的內容，包括嵌入式檢視器中的內容，那是擷取碰不到的另一份文件。

它不保存的東西

它保存文字，不保存頁面：沒有版面、沒有截圖、沒有字型、沒有腳本，也不下載圖片；圖片連結仍然指向原始網站，那個網站壞掉時就會失效。它不是網頁封存，也沒有第三方時間戳記。它不會讀取你的瀏覽紀錄，也不會批次匯入你的書籤；你擷取的是你正在看的頁面。它擷取的是瀏覽器呈現的內容，所以從未為你呈現的頁面，無法保存。

常見問題