对网页信息资源长期保存的若干思考——Internet Archive和Web InfoMall项目的启示.pdfVIP

。耿 磊 网页是网络信息资源的重要表现形式，承载着海 书”、“网页”、“视频”、“音频”、“软件 ”、“教育材料”6大 量的原生数字信息。随着互联网的飞速发展 ，越来越多 部分 ，可 以通过其开发 的检索技术 “TheWayback 的信息通过网页的形式加 以传播 ，网页信息资源 已经 Machine”检索海量的数字信息 ，并能实现对存档的网 成为数字信息资源重要组成部分。然而网页在急剧增 页的快速定位 。比如在检索条 内输入雅虎网的网址 长的同时，又以惊人的速度不断的消失。如果网页信息 WwWW．yahoo．corn．cn，然后点击 “takemeback”按钮 ，就 资源不能妥善的加以保存，无论对于学术研究还是人 可以看到像 日历一样呈现的雅虎网站过往的面貌，最 类数字记忆的传承，都将造成无法弥补的巨大损失。 早可以达到 1998年。其最新服务Archive—It则鼓励存 令人欣喜的是，随着数字技术的发展，许多国家和 档网页资源的共建共享 。参与合作机构 已多达 90余 地区都早已开展了WebArchive(网页信息存档 ，以下 家 ，所建成的存档网页涉及多学科 、多主题 ，并为公众 简称 WA)等相关项 目，以保存随时可能消失的网络信 提供基 于网页 内容的全文检索 。结合 内嵌 的 The 息资源 。比如美国国会图书馆的LCWA项 目，英国国家 WaybackMachine联动检索机制，用户可以便利地查看 图书馆的DomainUK项 目，法国国家图书馆的Bn eb 种类繁多、数量丰富的存档网页信息。闭 Archive项 目，挪威国家图书馆的Paradigma项 目．澳大 1．2 中国的 Web[nfoMall项 目 利亚国家图书馆的PADORA项 目等等。其中最著名的 “中国Web信息博物馆 ”是在 国家 973和 985项 当属美 国的 InternetArchive(以下简称 IA)项 目，从时 目支持下 ，由北京大学网络实验室开发建设 的中国网 间上看，IA称得上是世界WA运动的先行者。中国早 页历史信息存储与展示的系统。从 2001年运营以来． 在 2001年也成立 了WebInfomall(中国Web信息博物 已经维护有 40亿 以中文为主的网页，并以平均每月 馆)项 目，同样取得 了丰硕的成果 。 4500万网页的速度扩大规模。Web信息博物馆的使命 以下笔者想就 InteractArchive与WebInf0Mall项 是利用一种集中的形式，全面展示中国互联网上信息 目，谈谈档案部 门应该做些什么。 的历史 ，为社会提供多种海量网络信息产品，供相关科 1 他 山之石 研人员进行研究。[31目前，“中国Web信息博物馆”除了 1．1 美 国的 InternetArchive项 目 按照时间顺序提供部分网站的URL链接外．还对其保 InternetArchives位于美国旧金山，是一个非营利 存的网页信息资源进行了一定的开发 ．比如网站 “历史 组织 ，自1996年成立起，就定期收录并永久保存全球 事件专题回放”版块提供了 “党的十六大专题”、“聚集 网站上可以抓取的信息 ，对于不同的网站，其收录的网 伊拉克战争”、“抗击非典的日子”“中国首次载人航天” 页数量不相同，一些大型网站可能每天都会被 “备份” 等若干专题，虽然开发层次还处在初级阶段 ，但相信随 一 次 ，每次可能收录数 1O个 以上的网页 ．而一些小型 着技术的进步与社会的关注 。在未来定会取得更大的 网站可能每年收录几次 ，每次只有几个网页。对网站不 进步。 同时期的历史资料进行研究 ，是互联网档案馆最大的 1．3 小结 价值所在 。[1l目前，“InteractArchives计划 ”分为 “电子 网页信息资源的重