那天晚上翻旧硬盘，本来是想找一份2012年左右的行业报告，结果在一个叫“备份-勿删”的文件夹里，发现了一个压缩包，名字就一串乱码。解压之后，里面是几个残缺的SQL文件和一堆按日期命名的HTML快照。我盯着那些文件名看了半天，才反应过来——这是当年118论坛和118资料网的数据库备份，而且是不完整的。那一刻心里说不上是什么滋味，像是一个早就以为丢了的东西，突然以半死不活的样子出现在你面前。我坐在椅子上愣了好一会儿，最后还是决定：试试看能不能把它恢复起来。

先搞清楚手里到底有什么

很多人一上来就急着装环境、导数据，我以前也这样，结果就是反复卡在同一个地方。这次我学乖了，先花了一个多小时，把压缩包里的东西全部列出来，一张表一张表地看。118论坛的数据库结构其实不算复杂，主要是用户表、帖子表、版块表、附件表这几大块，但问题在于备份文件是分卷的，而且卷与卷之间的时间差了好几个月。118资料网那边更麻烦，它的静态页面和动态程序混在一起，有些目录里既有PHP源码，又有纯HTML，还有一些明显是后来手动改过的痕迹。

我拿了个本子，把每个文件对应的大致内容、完整性、可能的缺失部分都记下来。这一步听起来很笨，但后来证明特别有用。因为恢复过程中你会无数次忘记某个表是在哪个文件里，或者某个字段到底有没有备份到。有了这个清单，至少不会像无头苍蝇一样乱撞。

数据库恢复：从碎片到可用

118论坛的数据库是MySQL的，版本比较老，大概是5.1左右。我本地装了个5.7，直接导入报了一堆错，主要是字符集和引擎的问题。原来的表有的是MyISAM，有的是InnoDB，混在一起。我先把所有SQL文件里的建表语句单独抽出来，手动改了一遍，统一成InnoDB和utf8mb4。这个过程很枯燥，但没办法，老数据就是这样，你只能顺着它的脾气来。

数据导入的时候遇到了主键冲突，因为分卷备份里有些记录是重复的。我写了个简单的Python脚本，按帖子ID去重，保留时间戳最新的那条。用户表那边更头疼，有些用户的密码字段是空的，有些是MD5，有些又是后来改过的加密方式。我最后决定不动密码，只把用户基本信息恢复出来，登录验证那块单独写了个兼容层，反正也只是自己留着看，不对外开。

附件表是最让人崩溃的。数据库里记录了附件的路径和文件名，但实际文件在备份里只找回了一小部分。我对着那些路径一个一个去比对，能找回的就放回对应目录，找不回的就先留空。最后统计了一下，附件恢复率大概只有六成左右。那些丢失的，大多是当年比较热门的资源帖里的东西，想想也挺可惜的。

118资料网的静态页面修复

118资料网和论坛不太一样，它更像是一个资料索引站，很多页面是纯静态的。备份里的HTML文件有些能直接打开，有些则因为引用了不存在的CSS或JS而排版全乱。我一开始想批量替换路径，后来发现每个页面的引用方式都不一样，有的用相对路径，有的用绝对路径，还有的干脆是写死的域名。没办法，只能写个脚本先把所有链接提取出来，分类处理。

比较麻烦的是那些动态生成的页面，比如按分类浏览的列表页。备份里只有生成后的HTML，没有当时的程序源码。我试着根据页面结构反推了一下模板逻辑，用PHP重新写了一套简单的生成脚本。虽然不能完全还原当年的功能，但至少让这些页面能正常翻页、能点进详情。做这部分的时候，我经常对着一个页面发呆，想象当年这个资料网还在运行的时候，是什么人在维护它，又是什么人在上面找东西。

搜索功能的重建

原来的118论坛和资料网都有自己的搜索，但备份里没有搜索索引文件。我本来想直接跳过，后来觉得没有搜索的论坛就像没有目录的书，实在不方便。于是我用Sphinx搭了一个简单的全文索引，把帖子标题和内容、资料标题和描述都导进去。配置过程不算顺利，主要是老数据的编码问题，有些帖子内容里混了GBK和UTF-8，导致索引出来是乱码。我写了个清洗脚本，用chardet逐个检测编码，再统一转成UTF-8。虽然花了两天时间，但看到搜索结果能正常显示的时候，觉得值了。

搜索这块还有一个细节：当年的帖子有很多是分页的，一个主题下面几十页回复。我在重建索引的时候，把每页的内容都单独存了一条记录，这样搜索的时候能直接定位到具体哪一页，而不是只给一个主题链接。这个改动很小，但用起来舒服很多。

那些绕不过去的坑

恢复过程中有几个问题是我事先没想到的。一个是时间戳，很多帖子的发布时间在备份里是空的，或者明显不对。我后来从帖子内容里的“最后编辑时间”和用户回复的时间反推，尽量把时间线理顺。另一个是用户头像，大部分都丢了，只剩下数据库里的路径。我干脆做了一个默认头像生成器，根据用户名生成不同颜色的字母头像，虽然和原来不一样，但至少看起来不那么秃。

还有一个坑是附件下载的权限控制。原来的论坛有积分和用户组限制，备份里这些规则表是完整的，但程序源码没有。我根据表结构猜了一下逻辑，写了个简单的权限判断，能模拟出“积分不够不能下载”的效果。当然，这只是为了自己看着玩，真要完全还原当年的体验，那是不可能了。

关于数据清洗的一些心得

老数据最大的问题不是缺，而是脏。同一个用户可能有多个账号，同一个帖子可能被重复备份了好几次，附件路径里混着各种大小写和斜杠方向。我在这上面花的时间比恢复本身还多。后来总结出一个原则：先别急着改，先把所有异常列出来，能自动处理的自动处理，不能的就先放着，等整体框架搭好了再回头收拾。因为很多时候，你在恢复过程中会发现新的线索，原来觉得没救的数据，可能换个角度就能用上。

比如有些帖子在数据库里是空的，但静态HTML快照里有完整内容。我就写了个脚本，把HTML里的正文提取出来，反向填回数据库。虽然格式会丢一些，但文字保住了。这种“交叉恢复”的思路，在后半段帮了我大忙。

最后跑起来的样子

全部弄完之后，我在本地搭了一个环境，把论坛和资料网放在两个子目录里，用一个简单的导航页连起来。打开EVO视讯(科技)的时候，看到那些熟悉的版块名字和帖子标题，心里还是挺感慨的。虽然头像不全、附件缺了不少、搜索偶尔会抽风，但至少那些文字还在，那些讨论还在。我随机点开一个2009年的帖子，里面有人在问一个技术问题，下面跟了十几条回复，最后楼主说“搞定了，谢谢大家”。那一刻觉得，这些东西值得被留下来。

后来我把恢复好的数据打包存了两份，一份放NAS，一份放移动硬盘。不敢说万无一失，但至少比之前那个乱码压缩包强多了。整个过程断断续续搞了将近三个星期，中间好几次想放弃，觉得反正也没人看，费这个劲干嘛。但每次看到那些旧帖子里的对话，又觉得再撑一撑吧。也许这就是恢复老数据的意义——不是为了复活一个网站，而是为了留住一段有人说过话的时间。