没人知道互联网上有多少网页被存档(archive)，现在一个计算机科学家小组对此做了专门研究(PDF下载)。

博物馆和图书馆很久以前就试图为子孙后代保护文物。由于互联网是一个文化产物，而且种类繁多，影响力很深。因此档案工作者把注意力转移到互联网上毫不奇怪。

由于新网页、图片、视频和音频在网络世界出现和消失的速度极快，因此保存网络档案极其不易。我们不禁要问，至今为止互联网上的内容已经成功地保存了多少？来自弗吉尼亚州 Dominion 大学的 Scott Ainsworth 和他的同伴说，这取决于你怎么看这件事情，因为不同的网上资源似乎是以不同的方式储存起来。搜集并将网上的所有信息存档是不可能的。

[-]

他们采取收集样本在线地址进行统计学分析，然后看有多少比例已经被存档了。Ainsworth 和他的同伴们从开放式目录项目(DMOZ)、Delicious 的最近的书签列表、网址缩短服务商Bitly，以及从搜索引擎谷歌、Bing和雅虎抽取了1000个网络地址。然后，他们使用 Memento工具进行查看，Memento 工具是互联网存档资源如 Internet Archive, Archive-It, The National Archives 等合集(Ainsworth 则是 Momento 的开发者之一) 。最后，他们计算被存档地址的比例，被存档的次数以及存档的深度。

调查结果相差比较大，Internet Archive 存档的比例和深度最高。

搜索引擎同样将他们搜索到的页面进行快照存档，但基本都是一个多月前了。其它的存档都是某个专业领域的。比如 The National Archives 是英国政府的官方存档机构。此外存档的数量也有较大差异， DMOZ 和 Delicious 的存档相对保存较好，达到90%。 搜索引擎的存档率也比较差，Bitly 的情况则最差，大约只有三分之一的地址被存档， Ainsworth 他们说区别可能是像DMOZ 和 Delicious是人工审核站点，而搜索引擎是自动抓取信息存档，有一定的偏差，而 Bitly 存档率为什么这么低还不得而知，有可能 Bitly 只存档一些私密、独特或临时的资源。

因此，网上有多少资源被存档，是一个复杂的问题。网站存档的内容占总的比例从35%-90%不等，因此许多网络资源可能永久性地被遗失了。当然，这些资源流失的严重性还不得而知。但如果下一代对21世纪早期文化比较重视的话，那么档案学家就会更加重视对网络资源进行保存。本文译自 MIT Technology Review，由 amor 编辑发布。

PREV : 酷：像素化的伦敦布里克巷
NEXT : 女司机的逆袭 ： 环卫女工开火车怒撞公寓楼