信息图:文章封面,左侧是列表页示意图,右侧是观察记录表,中间用箭头连接,表示从页面现象到可核对记录的过程
阅读口径

本文只讲这两类公开文件的通用读法,不针对任何具体站点,也不提供入口或资源。文件格式以通用规范为准。

站点地图里的时间是谁写的

站点地图通常列出一批页面地址,并附带一个最后修改时间。这个时间由生成程序写入,程序拿到的值可能来自内容系统的保存时间,也可能来自发布流程的时间,还可能只是生成时刻。三者含义不同,但字段名往往一样。所以看到“最后修改”时,正确理解是“文件声称的修改时间”,而不是“内容实际被改动的时刻”。差别在日常使用中不明显,在精确判断时会致命。

订阅源的时间有两层

订阅源里一般有两个时间:条目发布时间与条目更新时间。前者说明这条内容何时进入列表,后者说明何时被改动。两者相同,说明发布后没动过;后者明显晚于前者,说明改过。读订阅源时,先分清你要的是哪一个:判断“有没有新内容”看发布时间,判断“旧内容是否被维护”看更新时间。混用会导致两种相反的误读。

聚合器显示的时间又多一层

通过聚合工具阅读时,你看到的时间可能是聚合器抓取的时间,而不是源站的时间。抓取有延迟,也有重试,于是同一条内容在不同工具里显示的时间可能差几小时。这一层很容易被当成“源站更新晚”,其实是中间环节。判断办法是回到源站的原始文件,看里面的时间字段,与聚合器显示的时间对比,差异就出来了。

可执行检查单

  1. 01先确认时间字段的名称,再看它的值,不要只看数字。
  2. 02区分发布时间与更新时间,按问题选一个。
  3. 03聚合器显示的时间要回到源文件核对,别直接采信。

一个常见问题

站点地图里的条目多久生成一次?

没有统一答案,取决于站点配置:可能是每次发布时重建,也可能是定时生成,还可能长期不更新。这意味着地图里的“最后修改”可能落后于页面实际状态,也可能领先。稳妥的用法是把它和页面本身对照:地图说某页昨天改过,就去页面看日期字段是否也是昨天;两者不一致,说明至少有一处的时间不是内容时间。

订阅源里没有时间字段怎么办?

那就只能靠你自己的观察时间。订阅源缺时间时,它仍能告诉你“最近进入了哪些条目”,这已经够用:把每次抓到的条目列表存下来,两次对比,新增的部分就是这期间进入的。时间由你的记录提供,不必依赖源站。

两份文件的价值在结构,不在精度

站点地图告诉你“这个站有哪些页面”,订阅源告诉你“最近进入了哪些条目”,这两件事都比单个日期有用。结构信息不容易伪造,因为要改动就得动整份文件;而单个日期改起来几乎无成本。所以读这两份文件时,优先看它们列了什么、顺序如何、条目增减的节奏,其次才看时间。把结构当主线,时间当辅助,误判会少很多。