Usenet 回归，这次搜索功能可用了

Google停止将Usenet新帖子纳入Google Groups的那一年。（旧帖子从技术上讲仍然在线，但很明显该平台维护得并不怎么样。我觉得那个团队正在忙着确保每个Google应用里都有一颗Gemini闪星。）到那时，许多新闻组已经被垃圾信息淹没，所以从某种意义上说，可能也确实到时候了。但在Google Groups上真正阅读Usenet存档一直都不是件容易的事，尽管它基于DejaNews构建的存档——DejaNews是最早进行真正Usenet存档工作的服务之一。

这可不是我们第一次跟Usenet打交道。差得远呢。实际上，Tedium已经聊过很多次了。早在2017年，我们就报道过二进制文件共享在Usenet演变中所扮演的破坏性角色。（说来也怪，90年代初我们对安全和保障这类事情想得实在太少了。）

再往前一年，我重点讲述了Usenet图表狂人Matt Levine的故事。2019年，我们发表了一篇文章，描述了如今的特朗普传声筒Michael Wolff如何利用Usenet垃圾信息来建立自己早期的新闻从业声誉。

还有2020年那篇关于“永恒九月”的文章——这个源自Usenet的现象，我觉得放在今天看依然站得住脚。

但这些故事有个问题：每当我试图重新找到自己谈论过的那些内容时，总会遇到麻烦。太多时候，我最终落到二手三手的网站上，或者不得不在Google Groups上费尽力气才能找到一个合适的结果——而那个平台本该是存档这些内容的。

不知从什么时候起，Google毫无必要地阉割了自己的存档。是的，很多消息还在那里，但公司似乎有意让搜索引擎难以检索，只提供最基础的排序功能。这意味着，如果你想搞清楚（比如）“永恒九月”这个词最早是什么时候在Usenet上出现的，不花大量额外功夫根本找不到。（事实上，唯一能找到的办法可能就是通过维基百科上的一个Google Groups链接——而截至写这篇文章时，那个链接给我返回了429错误。）

Erie Data Systems公司推出的一项新服务Usenet-Rewind，让在这个极其复杂的存档中进行精准检索变得容易得多。我让它用同样的方式搜索“永恒九月”这个词组，按日期从最早开始排序，结果第一条就是维基百科文章中引用的John William Chambless的那篇帖子，轻松就找到了。

要知道，这个存档拥有超过十亿条消息——准确地说，截至写这篇文章时为1,039,260,173条——最早可追溯到1981年。

再搜一些我之前研究过的东西：图表爱好者Matt Levine在rec.music.misc上推广自己邮件列表的早期帖子，出现在1995年9月5日：

Michael Wolff试图为自己的Net Guide产品吸引关注的帖子，从1994年初几周开始出现，最早发在alt.online-service和许多其他新闻组中，还附带了电子前沿基金会创始人John Perry Barlow和早期《连线》编辑Louis Rossetto的语录。他那家公司因发垃圾信息而被大规模取消帖子的闹剧——发生在1994年底——也被完整地记录了下来。

至于那些重塑了Usenet的二进制内容呢？奇怪的是，我在alt.binaries下没看到任何组，倒是看到不少把“binaries”这个词拼错的组名。我确实找到了一些专门做软件下载的组，比如alt.ibm.warez，还看到一条明确标注着“<uuencoded_portion_removed>”的备注。我想说的是，你别指望能从Usenet-Rewind上下载到35年前的盗版软件。

但这没关系。因为说实话，那里已有的内容已经相当令人印象深刻了。

那么，为什么这个新服务的搜索体验比Google提供的还要好得多？为什么其他服务连边都摸不着？也许归结起来就是——在对的时间遇到了对的人。Erie Data Systems创始人Craig J. Stadler说他二十出头就开始接触Usenet，但他对Usenet研究的局限性感受和我一样。

“我找到的每一个资源都远达不到我对研究的需求，”他说。与我不同的是，他有能力去改变这一点——过去十五年里，他一直从事基于Apache Solr的搜索引擎架构工作，Solr是一个高速开源搜索平台。

“我把做成这件事当作自己的使命，”他说。Stadler是个大数据专家，过去构建过大规模数据库，但即便按他的标准，Usenet也是一个格外庞大的语料库。他显然花了整整一年时间，通过多种资源获取Usenet-Rewind的数据，他称之为“一个石头都不放过”的方式。

“涉及了非常非常多的存档和资源，包括数据转储、备份和捐赠，”他说。“我还构建了一个NNTP Usenet爬虫来填补空白，获取所有新的公开Usenet数据。”

（我就是这样得知，外面有个小众的RSS阅读器工具，过去七八年里一直在把每一期Tedium存档到Usenet上，干得漂亮。至少有人完全按照Usenet最初的设计意图在使用它。）

最终成果是我在网上见过的最深入的Usenet存档之一，为一个传统上只属于专用客户端的服务带来了现代化的可搜索性——而那些客户端已经多年没有重大升级了。（而且，它也为普通用户留了空间。新账户可以免费进行有限次数的搜索，但如果你认真使用的话，大概会想要每月9.99美元的付费方案。）

作为一个翻遍专利申请和旧报纸文章之类资料的人，网上一直没有真正的Usenet存档，一直是个令人失望的空白。

这个服务填补了它。但事情总有两面。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）