先给结论:不要急着判定哪一方“错”,而是把差异拆成可核对字段,分别记录来源、日期、可见证据和待确认项。对北京百度推广联系方式这类信息,最常见的矛盾是页面自述“官方授权、某电话、某地址”,而公开资料里查不到对应记录,或记录已变更。此时应把页面自述当作待验证声明,把公开资料当作另一条线索,而不是直接合并成一个结论。
第一种解释是信息更新不同步。页面自述可能停留在旧版介绍,公开资料已经换过主体、电话或服务区域,但页面没有同步。第二种解释是页面自述本身就不是可核验的官方信息,可能来自第三方整理、旧缓存或转载。两者表现相似,处理方式却不同:前者需要找最新来源,后者需要降低该页面的可信等级。
能区分它们的证据包括:页面是否给出可追溯的主体名称、备案或应用内入口;同一联系信息是否在多个独立来源重复出现;公开资料里的变更时间是否晚于页面自述。若只有页面自述提到某个电话,而其他公开来源都没有同源记录,优先按第二种解释处理,不要把它写进最终记录。
建议建一张最小核对表,每个字段单独一行,避免最后只留下“有矛盾”这种无法复查的结论。
这样记录的好处是,后续无论页面改版还是公开资料更新,都能看出是哪一个字段发生了变化,而不是整页推翻重来。
假设某页面自述一个北京百度推广联系电话,同时在另一份公开资料里出现另一个号码。不要直接选“看起来更官方”的那个。先做两步:第一步,在已确认的官方站点或应用内查找联系入口,看是否出现同号;第二步,记录两个号码各自的出现位置和日期。若官方入口只出现其中一个,另一个标记为“未获同源支持”,不进入最终联系方式清单。若官方入口两个都没有出现,则两个都标为“待确认”,并停止把任一号码当作可拨打渠道。
这个动作的结果会直接影响下一步:有同源支持的号码可以进入候选清单;没有同源支持的号码只能留在差异记录里,不能因为页面写得详细就升级为可用信息。
个别样本里,页面自述与公开资料一致,不代表批量核对时都能照搬同一判断。规模变大后,常见例外包括:同一主体在不同区域使用不同介绍页;旧页面仍可访问但已不维护;公开资料只覆盖部分服务,不覆盖具体联系字段。因此,核对规则要写明适用条件,例如“仅当官方入口出现同源记录时才记为已核对”,而不是写成“页面与公开资料一致即可采用”。
当请求量、抓取量或某项统计归零时,也不能单独证明某个联系方式已经失效。归零还可能来自页面改版、访问限制、统计口径变化或核对范围缩小。要证明失效,至少需要一条替代证据,例如官方入口已不再列出该字段,或公开资料明确给出变更后的记录。
对北京百度推广联系方式的差异记录,最后不要只写“矛盾,待查”。更实用的写法是:哪个字段、哪两个值、各自来源和日期、差异类型、下一步核对入口。若涉及电话或入口,直接说明应在已确认的官方站点或应用内核对渠道,不要假装已经找到。这样既保留了矛盾现象,也给下一次核对留下明确动作。