38 年现有的网页中有 2013% 在创建十年后就无法再访问。他这么说 美国皮尤研究中心的一项研究，提供有关社会问题、舆论和人口趋势的信息。为了充分理解这一分析结果的含义，首先有必要确定“页面无法再访问”并定义数据提取标准。
起点是所使用的样本。这些是从网络存储库中获取的页面 常见的抓取，一个非营利组织，爬行整个网络并向公众免费提供其档案和数据集。该档案包含自 2008 年以来收集的 PB 级数据。通常每个月都会完成扫描，因此皮尤研究人员必须仔细收集和分析 120 包，每个对应于从 2013 年到 2023 年的特定年份的一个月。因此，分析需要进行比较，当然不是由一个人进行比较，而是由一个人进行比较 软件例程 （使用 Python 编程语言创建），在特定地址处存在且对应于特定日期的内容与今天在同一地址处存在的内容之间。该测试的结果不能给出以下结果以外的结果：
- 错误204（无内容）
- 错误 400（错误请求）
- 404错误（找不到页面）
- 错误 410（页面已删除）
- 错误 500（服务器内部错误）
- 错误501（请求方法错误）
- 错误502（连接错误）
- 错误503（服务不可用）
- 错误 523（内容源无法访问）
或来自：
- 页面稍作修改
- 页面彻底修改
- 引用另一个内容（移动的页面）的地址可能属于前面的两种情况。
样本中只有：
- 来自政府网站的页面（通过 .gov 域名提供商数据识别）
- 新闻网站（使用受众指标公司“comScore”的数据进行识别）
- 在线百科全书维基百科的页面
- 社交媒体 X/Twitter 上个人公开帖子的页面
为了编写这份报告，研究人员只关注 编码错误 （从错误 204 到错误 523），即由于各种原因，页面确实不再可用。可访问性的其他定义超出了研究范围。然后考虑页面 在所有其他情况下均可访问，包括无法保证内容存在的模糊情况，例如“软 404”页面或非 DNS 引起的超时（即检索原始页面的等待时间太长）。
研究的客观结论是 2013 年至 2023 年间，大约四分之一的现有网页无法再访问 （在上述意义上）从 2023 年 XNUMX 月开始。在大多数情况下，这是因为在其他功能正常的网站上删除或移除了单个页面。也就是说，被删除的是单个内容，而不是整个网站。
例如，23% 的新闻网页包含至少一个损坏的链接，21% 的政府网站网页也是如此。流量较高的新闻网站和流量较低的新闻网站同样可能包含损坏的链接。特别有可能的是 地方一级政府网页 （属于城市管理部门的）包含损坏的链接。这 54% 的维基百科页面 “参考”部分中至少包含一个指向不再存在的页面的链接。在 X/推特，几乎五分之一的推文不再公开可见，即使是在发布后几个月。在其中 60% 的情况下，最初发布推文的帐户被设为私有、暂停或完全删除。剩下的 40% 中，账户所有者已删除该条推文，但该账户仍然存在。某些类型的推文比其他类型的推文更容易消失。超过 40% 的推文已撰写 土耳其语或阿拉伯语 发布后三个月内，它们将不再在网站上可见。来自具有默认配置文件设置的帐户的推文更有可能从公众视野中消失。
这些数据意味着什么？
再次需要一个前提：我们不能排除可能存在一些 分类错误 标记为“不可用”的数据。这是因为，出于安全原因，一些站点积极尝试阻止通过此调查实现的自动数据收集类型。话虽如此，一个页面在 10 年内从互联网上消失的原因不仅仅是合法的，也不应该引起任何担忧或遗憾，原因可能是：
- 根据欧洲数据保护法 (GDPR) 删除
- 根据欧盟法院 (CJEU) 关于被遗忘权的裁决并为其目的而删除
- 一般法律规定的驱逐（诽谤、引起恐慌、秘密新闻、各种职业的虐待行为等……）
- 由于内容不再有效且缺乏这方面的更新而被删除
- 页面中包含的信息过期
- 付费登陆页面，不再使用
- 未能支付域名维护费用
- 侵犯版权
- 缺乏资金来支持编辑项目
- 自我修正（X/Twitter）
- 自愿隐瞒证据
- 网站迁移管理不善
- 非自愿取消
- 停用自动翻译系统
- 停用自动内容生成系统
- 停用内容聚合系统
- 没有适当重定向的页面 URL 变化
从本质上讲，没有任何余地能够使用这些数据来指示那些在网络上生成内容的人的行为。也无法确定互联网页面的消失是否在数年后 无论是好还是坏。有时，这只是关于遵守法律、政治或个人决定、更正或更新。也许唯一有效的反思是围绕所谓的互联网“活跃用户”的责任，即所有以这种或那种方式生成某些网络内容的人的责任。 ：无论他们是在线百科全书“维基百科”或社交网络 X/Twitter 的简单贡献者，无论他们是数字出版商还是负责这个或那个政府网站的人。这些受试者常常抱怨在互联网上查找信息的困难、结果不一致或更糟、他们最喜欢的来源的定位不令人满意，而忘记了他们自己也是问题的一部分。某人通过更改页面 URL 而不执行适当的重定向，只会使互联网变得更糟：一个充满数字垃圾的虚拟世界，由许多被置若罔闻的请求组成，并且在同时，将不再提供内容。互联网自从被整合以来，就有了自己的 网络礼节 （良好的用户行为规则）每个人都应该阅读并遵守*。
归根结底，如果有人认为强制实施的互联网页面消失总是一件坏事，那么他们除了努力确保 改变具体法律，取消原因。
*看征求意见：1855（网络礼仪指南）：“请记住，建立信息服务不仅仅是设计和实施。这也是维护”。
