ISSUE-0119 · 电话固话/手机分类¶
SPEC-012 三阶段的最后一格。阶段 1(国家推断接线)、阶段 2(E.164 规范化)
已在 v0.10.142 落地,libphonenumber-js/max 也已引入 —— 本阶段零新依赖。
为什么有价值¶
外贸场景里「手机」和「固话」的处置完全不同:WhatsApp 群发只对手机有意义,
打给固话是白花钱;而 +1 800 这类免费号通常是客服总机,不是决策人直线。
实测库的分辨力(libphonenumber-js/max 的 getType()):
+49 160 1847868 MOBILE +49 711 486860 FIXED_LINE
+33 6 12 34 56 78 MOBILE +33 1 42 68 53 00 FIXED_LINE
+44 7911 123456 MOBILE +44 20 7946 0958 FIXED_LINE
+86 138 0013 8000 MOBILE +1 800 815 3378 TOLL_FREE
+1 907 842 5201 FIXED_LINE_OR_MOBILE ← NANP 体系本身不区分
🔴 本阶段的全部价值在诚实呈现,不在分类本身¶
FIXED_LINE_OR_MOBILE 必须与 unknown 分开,这是本刀的核心:
| 含义 | 处置 | |
|---|---|---|
either(手机或固话) |
库判出来了,但电话体系本身就不区分(NANP:US/CA/MX 等 11 个地区) | 号码有效,只是分不出来 |
unknown(未知) |
没判出来(规范化失败 / getType() 返回 undefined) |
连有效性都不确定 |
- 把
either塞进unknown⇒ 丢掉「这个号确实有效」这个信息; - 把
either算成mobile⇒ 用户拿去做 WhatsApp 群发会打给固话。
SPEC-012 早就论证过:NANP 不区分固话手机是电话号码体系的事实,不是库的缺陷, 任何方案都绕不过(除非接运营商查询 API,成本量级完全不同)。 ⇒ 库能做到的上限就是「诚实报告不确定」,本刀就做到这个上限,不多装。
分类映射¶
getType() |
本项目 | UI |
|---|---|---|
MOBILE |
mobile |
手机 |
FIXED_LINE |
fixed |
固话 |
FIXED_LINE_OR_MOBILE |
either |
手机或固话 |
TOLL_FREE |
toll_free |
免费电话 |
VOIP |
voip |
网络电话 |
| 其余(PAGER/UAN/VOICEMAIL/PREMIUM_RATE/SHARED_COST) | other |
其它 |
| 规范化失败 / undefined | unknown |
未知 |
CSV 导出加「类型」列。
⚠️ 初稿这里写的「列表同步」是失实声称(对抗审 honesty lens 实测):
phoneColumns 当时只有 [phone, name, sourceDomain, website],
本刀加的 kindText 以及前几版加的 e164 / rawPhone / sourceText
四个字段全都只在导出 CSV 里,扩展界面上一个都看不到。
v0.10.147 已把 类型 / 来源 / 原始写法 三列补进列表,并加了源码断言守住
(tests/phone-list-columns.test.ts)。
🔴 分类会放大洗白的危害¶
分类建立在规范化之上:ISSUE-0116 记录的洗白问题(坐标残片被规范化成 看起来正常的号)在这里被放大 —— 给一个假号贴上「手机」这种看着很确定的标签, 用户更会当真号用。
缓解同 0116:
- noise-shape 守卫拦下的可疑串不规范化 ⇒ 自然也不分类(有回归锁)
- 守卫拦不住的那批(_known_miss_reason 论证过字符串层无解)会被分类 —— 如实记档
- rawPhone 原始写法列已在 CSV 里,用户能自己核对
真实语料上的分布(36 页企业语料,86 条号码)¶
🔴 订正:初稿把一个假阳性写成了「分类正确」的证据¶
初稿写「手机样本:+353 85 520 0507 / +48 609 162 575 / +48 691 990 356 ——
爱尔兰 +353 85、波兰 +48 6xx 都是真实手机段,分类正确」。
第一条是错的。 对抗审逐字复现了这份分布(86 条、fixed 40… 全部逐格相同),
并查出那条 mobile 的原文语境 —— tests/corpus-ent/pages/michelin.com.html:
... Clermont Ferrand Trade and Companies Registry Number 855 200 507 - SIREN Number 855 200 507 ...
855 200 507 是米其林的 SIREN(法国工商注册号),根本不是电话。
它被同页唯一的 +353 1 7063476 通过②级共识劫成爱尔兰,getType() 返回 MOBILE。
全语料里没有第二个 +353 85 开头的号 —— 初稿点名的就是这一条。
方向反了:本文上一节刚写「守卫拦不住的那批会被分类 —— 如实记档」, 下一节就把恰好属于那批的实例当成分类正确的正面证据。 这不是推测失误,是用本文自述的方法一跑就现形的事实错误, 违反项目「声称即实存 / 不编数据」的硬规。
补充事实(对抗审的怀疑者复核出来的,说明危害面比初报窄):
- 拿正确的 countryCode='FR' 单独跑,它是 other(+33 855 20 05 07),不是 mobile。
变成 mobile 需要同页恰好有唯一一个外国 + 号来劫国。
- 真实接线有 data.phones.slice(0, 5)(scraper-executor.ts:429),
michelin 抽出 8 条、SIREN 排第 7,实际进不了库。要复现必须不切片。
- SIREN 这类「法定编号」SPEC-012:411/837 早已列为待治理项(反向词判据,未落地),
不是本刀引入的。
⇒ 代码行为属已记档取舍,文档失实是本刀的新缺陷。 已订正。
真正可用的样本¶
+48 609 162 575(orlen.pl 原文 tel. 609 162 575)是真手机号,分类正确。
unknown 23 条主要是规范化不了的(无国家线索或形态可疑)。
证据¶
全量 853 全绿;五路变异(K1-K5)全部咬住,其中 K1「either 归入 mobile」 是最危险的那条变异,红 2 条。
证据边界¶
- 🔴 86 条语料里至少 1 条
mobile不是电话(米其林 SIREN,上述)。 其余 16 条 mobile 未逐条回查原文语境 —— 分布数字不能当分类准确率用。 - 语料分布是统一假定
countryCode='DE'灌进去测的(HTML 快照不带真实商家国家), 真实数据里的分布会不同。 - 未在真实 Chrome 扩展里端到端跑过。
getType()的准确性依赖 libphonenumber 的元数据,本项目未独立验证其覆盖率; SPEC-012 选型时对抗方逐一 parse 过 245 个国家的官方手机示例号(234/245 返回 MOBILE), 本刀未复跑那批。