適用對象

在消息來源被修改之前把它存檔

頁面會被修改，也會被撤下。擷取內容保存完整文字、來源網址和頁面自己宣告的發布日期，存在你保管的純文字檔案裡：而不是在一個可能關閉、更改條款或悄悄遺失紀錄的服務中。

昨天還在的那個頁面

一家公司發布了一個說法，你引用了它，等編輯讀到草稿時，那句話已經被悄悄改寫：沒有更正說明、沒有時間戳記，沒有任何可以指證的東西。或者頁面整個不見了，公開的網頁封存從沒抓到它，因為它只在某個星期天下午存在了四個小時。

即使頁面還在，你讀到的版本也不一定是其他人拿到的版本。同意牆、地區版本和 A/B 測試，意味著網址並不是一段文字的穩定參照。你能抓住的，是你閱讀時螢幕上的內容，連同網址和頁面自己宣告的日期一起存下來。

於是剩下實際的問題：擷取必須是即時的，否則就不會發生。一篇報導會碰到四十個頁面，大多是快速瀏覽，其中一半是在沒人會打開第二個工具、貼上網址、等待服務回應的時段讀的。一次擷取只要幾十毫秒，測得的時間會顯示在視窗角落；在這種成本下，你會擷取讀過的所有東西，包括後來證明不重要的三十九頁，和真正重要的那一頁。

紀錄裡有什麼

• 發布日期從頁面自己的中繼資料讀取：JSON-LD、article:published_time、time[datetime]，而不是從內文讀取。
• 來源網址放在每則筆記的 frontmatter 中。
• 完整的文章文字，不含每次造訪都會變的導覽和推廣區塊。
• extraction 欄位記錄文字是怎麼取得的，所以筆記在幾個月後仍然可以查核。
• 純文字檔案：沒有專有格式、沒有帳號，也沒有能撤銷你存取自己資料的服務。
• 檔名範本可以帶有擷取日期 {date}，發布日期則是另一個欄位，所以兩者絕不會混淆。
• 在 512 個測量頁面上沒有任何殘留的 HTML 標籤，所以貼進內容管理系統的段落，不會夾帶系統會試圖轉譯的標記。
• Reddit 討論串保留為討論串，並附上每則留言的分數，這正是直接複製貼上會毀掉的排序訊號。

---
title: "Regulator opens inquiry into data-sharing arrangement"
source: "https://apnews.com/article/…"
author: "Staff reporter"
date: "2026-03-04T09:12:00.000Z"
extraction: "dom"
---

The inquiry will examine agreements signed between 2023 and 2025, according to
a notice published on Wednesday.

為一篇報導設定擷取

重點在於，閱讀的那一刻擷取不花任何成本。以下每一項，都是為了把一個決定從那一刻移到設定裡。

1. 從擴充功能圖示開啟選項，把存放位置指向這篇報導的資料夾 stories/data-sharing/sources。每篇報導一個資料夾，只決定一次，之後什麼都不必再歸檔。
2. 把按下圖示時的動作設為「存到資料夾」。和研究流程不同，新聞流程不該開視窗：先擷取、後檢查，因為等你回頭時，頁面可能已經不在了。
3. 把檔名範本設為 {date}-{domain}-{title}。當一個資料夾裝著兩週內來自四十個頁面的內容時，擷取日期和媒體就是你排序的兩個依據。
4. 開啟所有 frontmatter 欄位。date 是頁面宣告的發布日期；source 是網址列中的確切網址，包括可能標示地區版本的查詢字串。
5. 在 chrome://extensions/shortcuts 確認 Alt+Shift+M 已綁定。深夜十一點會用的是按鍵，不會是選單。
6. 為你經常使用的討論網站新增個別網站規則，例如把 reddit.com 放進專屬子資料夾，線索和已發表的來源就不會混在一起。
7. 在就某個頁面聯絡任何人之前，先擷取它。請對方回應，是讓頁面改變最可靠的方法，而之後才擷取的，就是錯的那一版。

快速擷取的設定

這裡的每個值，都是用擷取當下的一點點核對，換取「確實擷取到了」的確定。檔案可以之後慢慢檢查；已經消失的頁面卻無法重讀。

--- 2026-03-04-regulator-opens-inquiry.md
+++ 2026-03-25-regulator-opens-inquiry.md
@@
-date: "2026-03-04T09:12:00.000Z"
+date: "2026-03-04T09:12:00.000Z"
@@
-The inquiry will examine agreements signed between 2023 and 2025.
+The inquiry will examine agreements signed in 2024.
@@
+Updated 25 March: an earlier version misstated the period under review.

三次擷取

只存在了四個小時的頁面

一家公司在星期天下午發布聲明。你讀了它，按下快速鍵，在你決定它重不重要之前，檔案就已經在報導資料夾裡。到了星期一，頁面回傳 404，公開的網頁封存從沒看過它，因為它上線期間沒有人提交那個網址。

你手上握有的是文字、網址和頁面自己宣告的日期：不是證據，但這份紀錄足以向公司提出問題：這份內容曾在這個網址發布，而它是這麼寫的。

兩次擷取和一份差異比對

你在通訊社報導刊出的那天早上擷取它，三週後同事提到報導的框架變了，你又擷取一次。第二個檔案加上數字後綴，而不是取代第一個，所以兩份都在磁碟上。

兩者的差異比對顯示，受審查的期間從「2023 年和 2025 年之間」縮小為「2024 年」，文末還附加了一則更新說明。這兩處改變從網址都看不出來，也都無法從書籤中找回。

當作線索，以討論串形式保存

一個地方論壇的討論串，點名了三位在你詢問的那段期間曾在某個場所工作的人。你擷取它：巢狀結構以巢狀引用區塊呈現，每則留言保留分數，所以大家都認同的回覆，依然能和沒人認同的回覆區分開來。

它依規則而不是依決定，進入 leads 子資料夾，而不是報導資料夾。六個月後，這個區分就是「可以指證的出處」和「只是讀過的資料」之間的差別。

和其他保存頁面的方法相比

這些與其說是替代方案，不如說是不同的保證。請仔細讀第三欄。最強的保證並不是這個擴充功能提供的。

擷取結果和預期不同時

同意對話框後面什麼都沒有呈現

有些網站在同意之前完全不送出文章，所以頁面中沒有任何擴充功能能讀取的東西，擷取會回報「沒有文章」。回應對話框，讓頁面呈現後再擷取。無論如何，同意橫幅本身都會從輸出中移除。這也說明了為什麼你擷取的版本，特指提供給你的那個版本：你所在的地區、那一次的工作階段。

它拒絕即時更新頁面或版面首頁

兩者大多是連結文字，而擴充功能會拒絕任何擷取出的字元有超過約四分之一位於連結中的頁面。在即時更新頁面上，如果網站提供個別條目的固定連結，就擷取那一頁。在版面首頁上，擷取報導本身而不是列表。列表正是會以三百個連結形式送達的東西。

留言不見了

留言被視為頁面雜物而刪除，只有一個例外：Reddit 的討論串會保留，並附上每則留言的分數。在其他地方，留言區和周圍的推廣區塊無法區分，保留它就意味著連那些也一起保留。

發布日期不是我預期的日期

欄位保存的是頁面在自己的標記中宣告的日期：JSON-LD datePublished、article:published_time、time[datetime]。網站修改文章時若會改寫這個值，就會回報較新的日期，而擴充功能照頁面說的重複，不會自行揣測。這也是擷取日期另外放在檔名中的另一個原因。

它不是什麼

它不是網頁封存。它保存文字和中繼資料，而不是呈現出來的頁面：沒有版面、沒有截圖、沒有資源檔，也沒有證明你何時擷取的第三方時間戳記。需要視覺化、獨立的紀錄時，請使用網頁封存服務；這個工具更快、留在你的磁碟上，回答的是另一個問題。留言被視為頁面雜物而刪除，唯一的例外是 Reddit，討論串會連同每則留言的分數一起保留。

常見問題