对文档格式的片面认知

PDF 和 Office 格式的主导地位如此之强，以至于它们遮蔽了网络中文档的真实多样性。这种主导性与其说是完整性的体现，不如说是可见性的结果：许多其他格式并未被注意到——并非因为它们无关紧要，而是因为它们处在主流之外。

这种认知不仅影响用户行为，也影响着整个 Web 的技术走向。浏览器、操作系统、预览机制和搜索引擎主要针对少数通用格式进行优化。任何偏离这一范式的内容，都会被默认为“例外”——即便在某些专业领域中，它们才是真正的标准。

事实上，许多文档格式正是为特定需求而有意识地设计的。例如 DJVU 就是为大规模数字化项目而开发的，在保持高可读性的同时实现了极高的压缩效率。在设计和出版工作流中，IDML 或 INDD 不仅保存文本，还包含完整的生产逻辑：版式、字体、链接和依赖关系，这些都无法合理地压缩进线性文档格式中。类似的还有传统印前领域的 MIF 和 QXD，以及将内容结构与呈现方式明确分离的电子书格式，如 EPUB、FB2 或 MOBI。

这些格式大多历史悠久、技术成熟，并被数以百万计地使用。然而，它们从一开始就不是为“易于索引”而设计的。内容往往以二进制形式编码、分散存储，或紧密依赖于专用软件。元数据要么不完整，要么不一致，甚至完全不存在。对搜索引擎而言，这意味着高昂的解析成本，却几乎没有排名收益。

此外，现代搜索还存在一个结构性问题：相关性越来越多地由流行度来定义。未被积极链接、很少分享、或未嵌入网页中的文档，会迅速失去可见性——无论其实际价值如何。档案库、科研资料、技术文档或历史遗留集合因此系统性地被排除在视野之外。

于是，一种无声的偏移逐渐形成：容易被找到的内容被视为“具有代表性”，而难以被找到的内容则从人们对“互联网存在什么”的认知模型中消失。不是因为这些内容不存在，而是因为通往它们的路径不存在。

正是在这一点上，对搜索的另一种视角开始显现：不再将文档视为网页的附属物，而是将其视为独立的知识载体。直接让文件可见，而不是将其绑定到网页结构上，才能打破这种扭曲，并揭示此前几乎无法触及的 Web 层面。

当格式不可见时会失去什么

当某些文档格式系统性地被排除在视野之外时，失去的不仅是多样性，还有可访问性。内容并未从网络中消失——它们只是失去了在搜索这一心理与技术空间中的位置。知识依然存在，却与访问脱钩。

这一问题在需要长期视角的领域尤为明显：科学档案、技术文档、文化收藏或历史数字化项目。这些内容并非为了短期曝光而创建，而是追求持久性、精确性和可复用性。一旦无法被找到，它们在实践中就等同于未被使用——无论其质量多高。

其结果是一种无声的低效：已有研究因无法被发现而被重复进行；已有文档存在，技术问题却被重新解决；档案被维护，却无人阅读。不是因为它们被隐藏，而是因为通向它们的路径缺失。

最终，网络中“存在的内容”和“被实际使用的内容”之间产生了失衡。可见性成为相关性的前提，而凡是不满足这一前提的内容，都会被排除在实际的知识循环之外。

为什么 Web 以 HTML 为中心

这种状况并非偶然，也不是个别参与者的疏忽，而是源于从一开始就塑造 Web 的历史性决策。早期搜索引擎诞生于一个以网页为核心的互联网：相互链接的 HTML 文档，具备文本、结构和清晰的关系。

HTML 易于抓取、解析和评估。链接可以被统计，文本可以被提取，内容可以被比较。而文档长期以来被视为附件——是需要下载的东西，而不是主要的搜索对象。因此，排名模型、索引策略和评估体系都是围绕网页建立的。

随着时间推移，这一模型不断固化。搜索引擎越来越擅长理解网页，却未必擅长理解文件。HTML 体系之外的格式很难融入既有结构：它们没有链接，没有清晰的文本片段，也缺乏语义层面的相关性标记。

最初出于实用性的选择，最终演变为规范。Web 并非刻意忽视文档——而是从一开始就没有将它们纳入思考。

重新审视开放的互联网

如果重新审视这种优先级会怎样？如果搜索不是从网页，而是从文件本身出发？如果存在性、可访问性和结构性比流行度和排名信号更重要？

这样的思路将彻底改变我们对 Web 的认知。文件不再被视为边缘现象，而被视为其本质：独立的知识载体。可发现性取代评价，透明性取代权重。

在这种模型中，目标不是更好地“评估”内容，而是让内容首先变得可见；不是计算相关性，而是提供访问。Web 并未被重新发明——而是被更完整地理解。

正是在这一点上，另一种搜索引擎应运而生。

FindFiles.net——从文件视角进行搜索

FindFiles.net 并非作为传统网页搜索的补充而设计，而是一款独立的文件搜索引擎。其出发点不是“哪一个网页更相关”，而是“开放网络中哪些文件真实存在并且可以直接访问”。

它并不通过页面结构、排名或流行度信号来理解内容，而是将爬虫的重点直接放在文件本身。搜索的不是上下文，而是存在性：文件是否公开可访问？属于哪种格式？哪些基本属性可以被可靠地确定？

这一方法使得那些在传统搜索系统中几乎不起作用的文档也能被发现——无论它们是否被嵌入、是否被频繁链接，或是否经过 SEO 优化。文件不被评判，只被发现。

结论

FindFiles.net 正是在这一点上发挥作用：不是为了重新排列 Web，而是为了让长期被忽视的一部分重新变得可访问。不是通过更多内容——而是通过更好的可发现性。

FindFiles.net 支持哪些文档格式？

FindFiles.net 支持以下文档格式： ABW（AbiWord 文档）, AZW（Amazon Kindle 电子书）, AZW3（Kindle 电子书，新版格式）, CBZ（漫画压缩文件）, DCR（Kodak 原始图像文件）, DIR（Macromedia Director 文件）, DJVU（扫描文档格式）, DOC（Word 文档，旧版）, DOCM（含宏的 Word 文档）, DOCX（Word 文档）, DOT（Word 模板文件）, DVI（TeX 排版文档）, DXR（Director 受保护文件）, EPUB（电子书格式）, EZ（压缩或专用数据文件）, FB2（FictionBook 电子书）, GZ（GZIP 压缩文件）, HLP（Windows 帮助文件）, HWP（韩文办公文档）, ICS（日历文件）, IDML（InDesign 标记语言文件）, INDD（InDesign 文档）, LIT（Microsoft 电子书格式）, MCD（Vectorworks CAD 文件）, MCDX（Vectorworks 新版文件）, MDB（Access 数据库）, MIF（FrameMaker 交换格式）, MOBI（Kindle 电子书）, MPP（Microsoft Project 文件）, ODM（OpenDocument 主文档）, ODP（演示文稿，OpenDocument）, ODS（电子表格，OpenDocument）, ODT（文本文档，OpenDocument）, OPF（电子书元数据文件）, OTF（OpenType 字体）, OTP（演示模板，OpenDocument）, OTS（表格模板，OpenDocument）, OTT（文档模板，OpenDocument）, PDB（Palm 数据库文件）, PDF（便携式文档格式）, POT（PowerPoint 模板）, PPS（PowerPoint 幻灯片放映）, PPSX（PowerPoint 幻灯片放映）, PPT（PowerPoint 演示文稿）, PPTM（含宏的演示文稿）, PPTX（PowerPoint 演示文稿）, PRC（Palm / Mobipocket 电子书）, PS（PostScript 文档）, PUB（Publisher 文档）, QXD（QuarkXPress 文档）, REP（报告或数据文件）, RTF（富文本格式）, RTX（TeX 富文本文件）, STI（OpenOffice 模板）, STK（模板或数据文件）, STW（OpenOffice 文本文档）, SXC（OpenOffice 电子表格）, SXI（OpenOffice 演示文稿）, SXW（OpenOffice 文本文档）, THMX（Office 主题文件）, TPL（模板文件）, WPD（WordPerfect 文档）, WPS（WPS Office 文档）, XLS（Excel 电子表格）, XLSM（含宏的 Excel 文件）, XLSX（Excel 电子表格）, XLT（Excel 模板）, XMCD（MindMap 文件）, XMCDZ（压缩的 MindMap 文件）, XPS（XML 纸张规范文档）