历史学家的新技艺如何处理成为史料的电子邮

长久以来，对历史学者弥足珍贵的传统史料形态，诸如日记、书信、回忆录等，已经被“数字化”的名头剿杀了。大约十年前，我还以传统的思路和方法研究奥古斯丁的书信，并提出了“书信空间”的概念，还在后记中展望了个人的“书信空间”。简言之，“书信空间”就是用书信编织的一个独具特色的人际网络体系，参与其中的人发生关联、互动、影响；通过对“书信空间”的描述与研究，我们可以了解人群的交往行为。不曾料想，今天我却面临着无“信”可以构建的尴尬。——我们现在都用电子邮件！

据说中国的第一封电子邮件是年代末从北京发出的，其中“越过长城，走向世界”的话语，令人唏嘘。后来，电邮的便利让我们愈发懒惰和贪婪，不愿提笔多写一个字，也不愿多等一刻平邮的信件。

某日，在整理电脑文件时，我突然在某个隐秘的文件夹里发现了一个旧文档，里面是多年前为了解决电子邮箱的容量问题不得不删除的旧信件。出于历史学者的职业敏感，我事先下载了部分电子邮件，现在随手点击鼠标看了看，居然读到了年的电邮！一个想法在我脑海中闪现，这些电邮是很有意味的新形态史料，它们能否勾勒出我过去十多年的生活轨迹，构建我个人的“书信空间”呢？

在这个灵感的推动下，我开始了一场实验。我以一名历史学者的身份，尝试去处理一批“天生数字化”的资料。这个过程充满了新奇，既有传统历史研究的共性问题和解答，也有意想不到的处境和方法。或许，我的实验将成为未来5-10年历史学家工作的常态。

数据整理

多年前存档电子邮件时，我并没有想过去研究它们，也就没有考虑到格式的问题，现在就不得不面临如何将它们结构化的麻烦。这个工作主要由南京大学软件工程学院的郭建朋同学帮忙写代码，将结构混乱的电邮数据进行解析，整理出包括收件人、发件人、主题、文本、时间等在内的字段，并放在了Excel表格中供后续处理。

但这个样态的数据还不能直接用于分析。电子邮件的存档跨度十几年，虽然主要以新浪邮箱为载体，但邮件结构并不是%统一，寄件人的邮箱体系与新浪邮箱不兼容，发件人姓名与电子邮箱地址脱节，再加上乱码、地址错误、垃圾邮件等各种问题，解析后的资料并不完美。

还要对数据做进一步清洗，主要包括删除重复信息，修正错误的邮箱地址（有些错误是发件人在录入地址的时候打错了），将人与不同的邮箱匹配（一个人没有两三个邮箱都不好意思出来打招呼）。最典型的一个情况是，年8月，雅虎邮箱暂停服务，导致很多人更换邮箱地址，也增加了消歧的工作量。虽然我编写了Python代码帮助提高工作效率，但还是有一些工作要手动完成，耗费了不少精力。所以，最终呈现在我面前的资料并不是一份完美的数据库。但没有哪位历史学家见到过完美的史料，重点是能否从中引发有价值的话题。

这批电邮材料显然存在固有的短处，它们肯定不是我所有电子邮件的全部（我究竟删除了哪些电邮，估计只有AI知道了），也肯定不是我所有通讯活动的全部。过去十几年，手机短信一度成为交流的主导，但所有短信已经无从考证；三四年前，