去年冬天，挖掘网站我为了查一款老式胶片相机的挖掘网站参数，翻到了一个2003年建立的挖掘网站个人网站。页面是挖掘网站深蓝色背景，黄色Times New Roman字体，挖掘网站导航栏用JavaScript写了个下拉菜单，挖掘网站点开全是挖掘网站死链接。但就在那个叫“相机博物馆”的挖掘网站栏目里，我找到了佳能AE-1的挖掘网站完整说明书扫描件——PDF文件，12MB，挖掘网站上传于2005年。挖掘网站这个网站没有备案信息，挖掘网站没有联系方式，挖掘网站域名注册商在冰岛。挖掘网站它就像一块被遗忘的挖掘网站化石，安静地躺在互联网的沉积层里。

挖掘网站这件事，本质上和考古没区别。搜索引擎只覆盖了互联网表层大概4%的内容，剩下96%是深网——数据库、内部系统、需要权限的页面。但还有一层更隐蔽的东西：那些曾经公开、后来被遗忘、却依然在线的页面。它们没被删除，只是失去了入口。我管这叫“互联网的暗物质”。

怎么找？先得扔掉百度。百度的爬虫对老站点极不友好，很多2005年前的HTML页面它根本不索引。Google的高级搜索指令是基础工具：site:edu.cn filetype:pdf 2003这种组合能挖出不少高校的老论文。但真正好用的是一批小众工具。比如Wayback Machine，它存了超过8000亿个网页快照。我试过输入一个2001年的门户网站域名，它居然返回了37个不同时间点的存档。点开2003年那版，首页飘着Flash动画，公告栏里写着“本站已停止更新，但服务器会继续运行”。

另一个路子是跟踪死链。很多老网站的外链指向的页面早就404了，但如果你把那些URL复制到Wayback Machine里查，经常能捞到东西。我挖过一个1999年的个人主页，站长叫“老张”，页面里嵌了个计数器，显示访问量是“00004721”。他上传了自己写的FrontPage 98教程，一共14章，每章一个HTML文件，用表格布局，字号忽大忽小。最后一章末尾写着：“如果还有人看，我就继续写。”日期停在2000年3月。

技术控会喜欢更硬核的方法。用curl批量请求老域名，看返回头里的Last-Modified字段。或者扫IP段——很多小网站托管在同一个老服务器上，一个IP能翻出几十个站。我扫过某个华东地区的教育网IP，里面藏着1998年的中学化学课件库，全是.doc格式，下载下来用Word 2003才能正常打开。还有一次，我通过一个论坛的签名档链接，跳转到一个纯文本的BBS，界面是黑底绿字，发帖时间显示“2002-11-07 23:14:02”，帖子内容是讨论Red Hat Linux 7.3的显卡驱动问题。

这些网站为什么还在？答案很无聊：没人管。服务器可能在某個大学机房角落，管理员早忘了这回事。域名每年自动续费，绑着一张很久没用的信用卡。或者干脆是免费空间，比如早期的50megs.com、Angelfire，只要不违反条款，它们不会主动删。我甚至找到一个GeoCities的镜像站，里面存着1997年日本用户做的“我的猫咪相册”，图片全是.gif，每张下面手写一行日文注释。

挖掘的乐趣不在“有用”。那些页面大多排版混乱、信息过时、链接失效。但它们是活的。你能看到一个网站从1999年到2004年的改版痕迹：先是表格布局，然后加了CSS，再后来嵌了Flash。留言本里有人问“站长你的ICQ号是多少”，回复是“已经不用了，改用MSN”。这种时间层叠感，比任何历史书都具体。

我最近在挖一个2001年的程序员个人站。他用Perl写了个留言板，数据库是纯文本文件。我翻到第47条留言，内容是：“你的代码帮了我大忙，我在深圳，刚入行。”没有署名，没有日期。但服务器还在跑，留言板还能提交新内容。我犹豫了一下，没留。