長久以來，對(duì)歷史學(xué)者彌足珍貴的傳統(tǒng)史料形態(tài)，諸如日記、書信、回憶錄等，已經(jīng)被“數(shù)字化”的名頭剿殺了。大約十年前，我還以傳統(tǒng)的思路和方法研究奧古斯丁的書信，并提出了“書信空間”的概念，還在后記中展望了個(gè)人的“書信空間”。簡言之，“書信空間”就是用書信編織的一個(gè)獨(dú)具特色的人際網(wǎng)絡(luò)體系，參與其中的人發(fā)生關(guān)聯(lián)、互動(dòng)、影響；通過對(duì)“書信空間”的描述與研究，我們可以了解人群的交往行為。不曾料想，今天我卻面臨著無“信”可以構(gòu)建的尷尬。——我們現(xiàn)在都用電子郵件！

據(jù)說中國的第一封電子郵件是1980年代末從北京發(fā)出的，其中“越過長城，走向世界”的話語，令人唏噓。后來，電郵的便利讓我們愈發(fā)懶惰和貪婪，不愿提筆多寫一個(gè)字，也不愿多等一刻平郵的信件。

某日，在整理電腦文件時(shí)，我突然在某個(gè)隱秘的文件夾里發(fā)現(xiàn)了一個(gè)舊文檔，里面是多年前為了解決電子郵箱的容量問題不得不刪除的舊信件。出于歷史學(xué)者的職業(yè)敏感，我事先下載了部分電子郵件，現(xiàn)在隨手點(diǎn)擊鼠標(biāo)看了看，居然讀到了2002年的電郵！一個(gè)想法在我腦海中閃現(xiàn)，這些電郵是很有意味的新形態(tài)史料，它們能否勾勒出我過去十多年的生活軌跡，構(gòu)建我個(gè)人的“書信空間”呢？

在這個(gè)靈感的推動(dòng)下，我開始了一場實(shí)驗(yàn)。我以一名歷史學(xué)者的身份，嘗試去處理一批“天生數(shù)字化”的資料。這個(gè)過程充滿了新奇，既有傳統(tǒng)歷史研究的共性問題和解答，也有意想不到的處境和方法。或許，我的實(shí)驗(yàn)將成為未來5-10年歷史學(xué)家工作的常態(tài)。

數(shù)據(jù)整理

多年前存檔電子郵件時(shí)，我并沒有想過去研究它們，也就沒有考慮到格式的問題，現(xiàn)在就不得不面臨如何將它們結(jié)構(gòu)化的麻煩。這個(gè)工作主要由南京大學(xué)軟件工程學(xué)院的郭建朋同學(xué)幫忙寫代碼，將結(jié)構(gòu)混亂的電郵數(shù)據(jù)進(jìn)行解析，整理出包括收件人、發(fā)件人、主題、文本、時(shí)間等在內(nèi)的字段，并放在了Excel表格中供后續(xù)處理。

但這個(gè)樣態(tài)的數(shù)據(jù)還不能直接用于分析。電子郵件的存檔跨度十幾年，雖然主要以新浪郵箱為載體，但郵件結(jié)構(gòu)并不是100%統(tǒng)一，寄件人的郵箱體系與新浪郵箱不兼容，發(fā)件人姓名與電子郵箱地址脫節(jié)，再加上亂碼、地址錯(cuò)誤、垃圾郵件等各種問題，解析后的資料并不完美。

還要對(duì)數(shù)據(jù)做進(jìn)一步清洗，主要包括刪除重復(fù)信息，修正錯(cuò)誤的郵箱地址（有些錯(cuò)誤是發(fā)件人在錄入地址的時(shí)候打錯(cuò)了），將人與不同的郵箱匹配（一個(gè)人沒有兩三個(gè)郵箱都不好意思出來打招呼）。最典型的一個(gè)情況是，2013年8月，雅虎郵箱暫停服務(wù)，導(dǎo)致很多人更換郵箱地址，也增加了消歧的工作量。雖然我編寫了Python代碼幫助提高工作效率，但還是有一些工作要手動(dòng)完成，耗費(fèi)了不少精力。所以，最終呈現(xiàn)在我面前的資料并不是一份完美的數(shù)據(jù)庫。但沒有哪位歷史學(xué)家見到過完美的史料，重點(diǎn)是能否從中引發(fā)有價(jià)值的話題。

這批電郵材料顯然存在固有的短處，它們肯定不是我所有電子郵件的全部（我究竟刪除了哪些電郵，估計(jì)只有AI知道了），也肯定不是我所有通訊活動(dòng)的全部。過去十幾年，手機(jī)短信一度成為交流的主導(dǎo)，但所有短信已經(jīng)無從考證；三四年前，微信又開始取代短信，成為通訊的主要方式。很多人沒有意識(shí)到，微信或許會(huì)成為未來歷史學(xué)家研究人物的重要資料。但是，微信能下載存檔嗎？

下面的分析只能基于一份不完美的電郵數(shù)據(jù)庫，所有的郵件共計(jì)10076封，時(shí)間跨度2002-2013年，它們確實(shí)幫我搭建了一個(gè)可以與奧古斯丁媲美的“書信空間”。活躍在這個(gè)書信空間中的人，并不知道我會(huì)做這個(gè)奇怪的研究，也沒有征得他們的同意，所以我會(huì)隱去所有敏感的隱私信息。在行文當(dāng)中，除非必要，我都用代碼表示發(fā)件人與收件人，似乎面目模糊。但我想強(qiáng)調(diào)，他們都是一群個(gè)性鮮明的人，在“書信空間”中熱鬧而有趣！

外圍的分析

我先假裝與我自己不熟，在“書信空間”中，TA的代碼是“Chauvin”。

這個(gè)人是誰？應(yīng)該是一位男性，因?yàn)橐恍┬偶焙羝洹跋壬薄Ｓ泻芏嘈偶兴袄蠋煛保蛟S他的職業(yè)是一名老師？單純從稱呼判斷有些勉強(qiáng)，雖然統(tǒng)計(jì)到“老師”出現(xiàn)的頻率頗高。現(xiàn)在，“老師”已經(jīng)成為比較保險(xiǎn)的一種稱謂，很有可能與真實(shí)身份并不匹配。

不過，我統(tǒng)計(jì)了郵件數(shù)量與月份的信息，發(fā)現(xiàn)了一個(gè)奇怪的現(xiàn)象：郵件的數(shù)量會(huì)隨著月份周期性地改變。

隨機(jī)截取了2003-2006年間的數(shù)據(jù)，發(fā)現(xiàn)每年到7、8兩個(gè)月，郵件數(shù)量都會(huì)突然減少，然后到9月份又迅速增多，1月和2月也會(huì)有所減少。這是典型的自帶寒暑假的工作模式。這個(gè)模式在整整十年的數(shù)據(jù)中依然有效，如下圖所示：

這個(gè)角度有點(diǎn)奇葩，但似乎能夠說明一點(diǎn)問題。對(duì)了，我居然忘記了一個(gè)殺手锏！既然是電子郵件，查查發(fā)件人的簽名檔不就行了嗎？不過可惜，這個(gè)家伙很懶，在10多年的通信中，一直沒有留下固定的簽名檔。后來雖然設(shè)置了簽名檔，卻只有單位信息，無法判斷職稱、身份等關(guān)鍵信息。不過，Chauvin或多或少與學(xué)校相關(guān)應(yīng)該是確定無疑了，他不是在讀書，就是在學(xué)校工作。數(shù)據(jù)沒有說謊！

Chauvin的身份大致可以確定了，所以我們也不用再繞彎子了。他過去十幾年的經(jīng)歷其實(shí)非常簡單，就是從學(xué)校到學(xué)校，雖然境內(nèi)外不同水準(zhǔn)的高校見識(shí)了不少，但基本都在同一個(gè)系統(tǒng)里晃蕩。接下來，我很想知道這些電郵能否描繪一個(gè)意料之外，或者不經(jīng)意的“自畫像”呢？

首先，Chauvin的書信空間異常活躍。整個(gè)電郵資料庫一共有1萬多封信件往來，存在群發(fā)的情況，把群發(fā)拆解成獨(dú)立的通信事件，結(jié)果總計(jì)55168次通信行為。10年，5萬多次，平均下來，每天有13.7次通信行為，這讓我覺得Chauvin的“書信空間”比奧古斯丁的熱鬧多了。目前存留下來的奧古斯丁書信不超過300封，Chauvin在體量上完勝教父。

實(shí)際上，如果把每個(gè)電子郵箱理解為一個(gè)獨(dú)立的人（剔除一個(gè)人擁有多個(gè)郵箱的情況），那么Chauvin的書信空間一共有4500多個(gè)獨(dú)立的個(gè)體。毫無疑問，這是虛假繁榮的表象，因?yàn)楦鶕?jù)鄧巴數(shù)字，Chauvin能夠維持的緊密關(guān)系不會(huì)超過150人。Chauvin的書信空間里有如此活躍的個(gè)體，要拜群發(fā)郵件所賜，讓Chauvin同許多八竿子打不著的人發(fā)生了關(guān)聯(lián)。當(dāng)然，也要拜垃圾郵件所賜，一些商業(yè)公司毫無節(jié)制地商業(yè)推廣行為，極大地豐富了這個(gè)書信空間的存在度。

但不要被這個(gè)假相蒙蔽，以為Chauvin是一個(gè)大忙人。如果以他為視角做統(tǒng)計(jì)的話，十年內(nèi)Chauvin一共發(fā)出了1890封郵件，但是收到的郵件8467封，是前者的4.5倍。由是觀之，Chauvin不僅不是一個(gè)特別活躍的人，而且是一個(gè)更傾向于被動(dòng)接受資訊的人。在Chauvin的書信空間中，最勤勉的一位發(fā)件人H，發(fā)送了6567封信，而且只截止2008年，TA是誰？2009年之后，這項(xiàng)桂冠落到了另外一個(gè)人G頭上，TA又是誰？了解這兩個(gè)人的背景會(huì)很有意思，他們跟Chauvin的經(jīng)歷轉(zhuǎn)換緊密相關(guān)。

再來看看他們都在使用哪些郵箱。或許能夠?yàn)槲覀兘颐仃P(guān)于Chauvin經(jīng)歷轉(zhuǎn)換的秘密？下面是排名前25的郵箱地址：

這張圖的信息量太豐富。難怪說電子郵件屬于個(gè)人隱私資料，僅僅做一個(gè)簡單的統(tǒng)計(jì)，就能夠比較全面勾勒Chauvin的畫像了。首先，Chauvin被深深地打上了PKU的烙印，@pku為什么對(duì)他如此鐘情？因?yàn)镃hauvin曾經(jīng)在PKU求學(xué)7年，剛好涵蓋了電郵數(shù)據(jù)庫的大部分時(shí)間。那為什么Chauvin本科就讀的BNU在這里沒有一點(diǎn)存在感呢？不好意思，暴露年齡了，Chauvin于2001年本科畢業(yè)，在數(shù)據(jù)庫涵蓋的年份之前；而更重要的是，Chauvin是在2002年之后，才開始頻繁使用電郵作為通信手段。

還記得之前提到的那位“發(fā)件王”H嗎？沒錯(cuò)，H就是PKU負(fù)責(zé)學(xué)生工作的老師，TA勤勉地為歷史系的學(xué)生傳達(dá)消息，噓寒問暖，成為Chauvin在PKU學(xué)習(xí)的最好見證。由于H總是向不同年級(jí)的歷史系研究生群發(fā)郵件，Chauvin又在PKU待了足夠長的時(shí)間，所以TA成為當(dāng)之無愧的“群發(fā)之王”。那些PKU的歷史系校友們，你們是否意識(shí)到，我們?cè)?jīng)在某個(gè)時(shí)間節(jié)點(diǎn)上共存在于同一個(gè)“書信空間”中嗎？

緊隨其后的163郵箱似乎不能說明什么，因?yàn)樗鼛缀跏亲畛Ｓ玫墓绵]箱了。163的后綴雖然過于籠統(tǒng)，但@前的信息意義重大，那個(gè)奪去H“發(fā)件王”桂冠的G，正是使用的163郵箱；再聯(lián)系到排名第三的NJU，如果把G的數(shù)量加入進(jìn)來，那么NJU排名第二，與PKU不相上下。這恰好暗合了Chauvin從2009年進(jìn)入NJU的時(shí)間軸。人生經(jīng)歷的轉(zhuǎn)換，居然被電郵的后綴給暴露了。

不止如此。我們看到了cmbchina.com，還有dangdang.com、jd.com以及ctrip.com這些商業(yè)公司的后綴名。太明顯不過了，Chauvin使用著招商銀行的信用卡，經(jīng)常在當(dāng)當(dāng)網(wǎng)上買書，在京東上購買電子產(chǎn)品，出差用攜程訂票。

gmx.de和hss.de的存在，揭示了Chauvin學(xué)習(xí)經(jīng)歷的另一面。熟悉德國的同學(xué)都知道，gmx.de在德國跟163在中國一樣，是一個(gè)占有率極高的郵箱服務(wù)平臺(tái)；hss.de則是德國著名的賽德爾基金會(huì)（Hanns Seidel Stiftung）的網(wǎng)址。Chauvin曾經(jīng)在這個(gè)基金會(huì)的資助下赴德國學(xué)習(xí)。在Chauvin回國后，基金會(huì)在中國的校友會(huì)還經(jīng)常組織活動(dòng)，它們出現(xiàn)在排行榜中也就不足為奇了。Chauvin與德國的聯(lián)系，還體現(xiàn)在了tongji.edu.cn的后綴上，那里的“同濟(jì)大學(xué)德國學(xué)術(shù)中心”暴露了Chauvin關(guān)心德國問題的事實(shí)。另外，alerts.stanford.edu的郵箱是一個(gè)學(xué)術(shù)信息推送平臺(tái)，Chauvin通過訂閱它們，努力地維持著當(dāng)年的學(xué)霸形象。

我們還看到了令人唏噓的郵箱后綴：yahoo.com以及chinaren.com。我們都知道，雅虎郵箱于2013年停止服務(wù)，在Chauvin的書信空間中，雅虎郵箱退去的同時(shí)，另外一種郵箱卻在崛起——qq.com。把郵箱地址做一個(gè)時(shí)間軸的演變，就會(huì)發(fā)現(xiàn)QQ郵箱的增量明顯。很大程度上，Chauvin作為大學(xué)老師，很多學(xué)生都是用QQ郵箱與他聯(lián)系的。騰訊公司用QQ抓住了一大批穩(wěn)定的用戶。

那么chinaren.com又是什么？再一次暴露年齡的分析時(shí)刻。現(xiàn)在的小孩都知道微信、QQ，稍微年長的還在感嘆“人人網(wǎng)”的衰落，而“人人網(wǎng)”之前的“校內(nèi)網(wǎng)”估計(jì)知道的人就不多了，比“校內(nèi)網(wǎng)”更早的正是chinaRen校友錄！校友網(wǎng)當(dāng)年火爆的程度不遜于現(xiàn)在的微信，它是維系Chauvin高中、大學(xué)同學(xué)的紐帶。

關(guān)于Chauvin，我們從電郵數(shù)據(jù)庫中已經(jīng)了解到比較豐富的信息，以我對(duì)Chauvin的了解，這些推測都是正確的。最后，我們來對(duì)這個(gè)“書信空間”做一個(gè)全景的掃描，把寄件人與收件人的行為理解為最基本的社會(huì)關(guān)系，看看能否用Gephi繪制出有趣的社會(huì)網(wǎng)絡(luò)圖案來。

在經(jīng)歷了各種消歧后，我將Chauvin的所有郵件轉(zhuǎn)換成了囊括9661條邊文件以及4536個(gè)節(jié)點(diǎn)的節(jié)點(diǎn)文件。放到i5第三代酷睿的舊電腦里跑了30分鐘，用ForcheAtlas2的布局，描繪了一張真正意義上的“書信空間”。由于節(jié)點(diǎn)太多，我擔(dān)心密集恐懼癥的人士看到會(huì)有所不適，故對(duì)背景做了一些處理，然后根據(jù)算法進(jìn)行了社團(tuán)分析。Chauvin的交際圈就這樣被暴露出來了。

雖然在這個(gè)“書信空間”中，Chauvin是毫無爭議的中心，但非常直觀地看到了不同圈子的存在。哪怕是Chauvin在PKU學(xué)習(xí)期間，也能夠細(xì)化出各種類型：歷史系碩博同窗的“同學(xué)圈”、參加德語角活動(dòng)的“德語圈”、參加戶外活動(dòng)的“娛樂圈”，以及獲得巴登州獎(jiǎng)學(xué)金的“校友圈”。請(qǐng)大家特別留意左下角的一片淺淺的墨綠色，它是Chauvin在PKU讀研究生期間加入《北京大學(xué)研究生學(xué)志》編輯部的一段學(xué)習(xí)經(jīng)歷的記錄。NJU期間的情況要復(fù)雜一些，但仍然有歷史學(xué)院同事、世界史同行、南京大學(xué)同事以及賽德爾基金會(huì)在上海和北京的校友圈等不同劃分。

從遠(yuǎn)距離閱讀的方式掃描Chauvin的書信空間，可以獲得全貌的認(rèn)知；不過由于存在大量噪點(diǎn)，其實(shí)看不到太多細(xì)節(jié)，比如Chauvin跟誰互動(dòng)最為頻繁？誰給Chauvin寫了最多郵件，Chauvin又寄給誰最多郵件？通過算法過濾掉聯(lián)絡(luò)頻次較低的節(jié)點(diǎn)，再將邊的權(quán)重體現(xiàn)出來，得出了另外一幅交往圖。

如上圖所示，Chauvin的大部分通信關(guān)系主要在同學(xué)與同事之間展開。一如既往地，Chauvin作為書信空間的中心節(jié)點(diǎn)，入度和出度極其不平衡。孜孜不倦地向Chauvin寫郵件的是招商銀行和當(dāng)當(dāng)網(wǎng)，粗粗的深藍(lán)線條表明，它們從來沒有得到過Chauvin的回應(yīng)；而Chauvin向WH2和WH12兩位同事寫了最多的書信，但總體上，仍然是收到的比寄出的多。惟一的例外是他與R的互動(dòng)異常頻繁。回歸到真實(shí)的交往活動(dòng)，這個(gè)特征有跡可循。R是Chauvin在南京大學(xué)的德國同事，她在入職南京大學(xué)之前、之中以及之后，遇到了各種問題，為了幫助R順利度過適應(yīng)期，他們?cè)陔娮余]件上進(jìn)行了大量溝通。

另外，在Gephi對(duì)網(wǎng)絡(luò)可視化的界面，如果我們把鼠標(biāo)懸停在某個(gè)節(jié)點(diǎn)上，系統(tǒng)會(huì)自動(dòng)測算出有直接聯(lián)系的不同節(jié)點(diǎn)。根據(jù)這個(gè)算法，我們能夠看到不同節(jié)點(diǎn)的關(guān)系。在不斷嘗試的過程中，我突然發(fā)現(xiàn)了下面的關(guān)聯(lián)。

在Chauvin眾多的聯(lián)系人中，只有PKU12與學(xué)志編輯部grsxz具有關(guān)聯(lián)。PKU12是Chauvin碩士班同學(xué)，他先于Chauvin加入了學(xué)志編輯部，后來推薦Chauvin加了進(jìn)來。這段塵封的往事，估計(jì)也只有透過SNA的分析，才會(huì)被重新挖出來。

進(jìn)入郵件的內(nèi)部

到目前為止，我們一直在電郵數(shù)據(jù)庫的外圍打轉(zhuǎn)，還沒有開始對(duì)郵件內(nèi)容進(jìn)行分析。關(guān)于這節(jié)，我先賣個(gè)關(guān)子：欲知后續(xù)如何，請(qǐng)聽下回分解。

短暫小結(jié)

信件、日記等私人化的文字，向來是歷史學(xué)者重視的史料，雖然它們并不一定盡顯客觀。奧古斯丁早在一千多年前就知道，記錄在案的文字一定會(huì)成為呈堂證供，所以刻意留下了自己的書信副本，讓我們有機(jī)會(huì)窺見這位曠世奇才的精神世界。但奧古斯丁的行為太過前瞻性，甚至讓人有理由懷疑他在寫信的時(shí)候會(huì)掩蓋自己的真實(shí)想法。在這點(diǎn)上，電子郵件反而體現(xiàn)了客觀的價(jià)值。

電子郵件雖然不像傳統(tǒng)書信那樣長篇大論，但收件人和寄件人在當(dāng)下都還沒有意識(shí)到這些文字將來有可能供人研究，它們或許更能準(zhǔn)確表達(dá)使用者的心境。而且，發(fā)出去的郵件如同潑出去的水，只要還在服務(wù)器上，就無法撤銷，也無法刪除和修改，真正演變?yōu)槊撾x了作者的獨(dú)立存在。它們能夠發(fā)揮何種作用，那就靠讀者自由發(fā)揮了。

上述的分析在很大程度上是游戲之作，并不屬于嚴(yán)格的學(xué)術(shù)研究。但是也許在不久將來，如何處理電子郵件會(huì)成為歷史學(xué)家的必備技能。正如有學(xué)者提到的那樣，掌握古董硬盤的修復(fù)技術(shù)可能會(huì)是未來歷史學(xué)者的必殺技。當(dāng)然，當(dāng)AI技術(shù)成熟，對(duì)這種“天生數(shù)字化”資料的分析，可能是小菜一碟。不過，現(xiàn)在AI還在路上，我們?cè)谶@里構(gòu)建一位歷史學(xué)者的“書信空間”，算得上是一次技術(shù)路演吧！

（本文的寫作，得到了南京大學(xué)軟件學(xué)院劉嘉、郭建朋的技術(shù)支持，在此表示感謝！）