电话来源三态持久化协议¶
状态模型¶
电话字段的来源状态是 maps | web | unknown;social 来自独立的 whatsapp 字段,是正交的结构化证据。
| 状态 | 持久化后缀 | sourceText | 是否计入独立来源数 |
|---|---|---|---|
| maps | (地图) |
地图? |
是 |
| web | (官网) |
官网? |
是 |
| unknown | (来源未知) |
来源未知 |
否 |
| social | 不写入 phone | 社媒 |
是 |
unknown 表示证据缺失,不是第三个采集渠道。已知 maps/web/social 证据与 unknown 去重碰撞时,已知证据覆盖 unknown。
写入协议¶
mergePhonesWithMapsLabel 在存在有效候选时给每个输出号码写一个且仅一个来源后缀。输出前先剥离三类旧后缀,保证重抓幂等。
普通首次官网抓取传入的无标记现有单号来自 Maps,可按 maps 处理。手动重采会保留旧 phone,这个裸单号可能来自旧版 web-only 合并,因此调用方必须传 markerlessExistingSource='unknown'。本轮官网再次抓到同号时,web 证据把 unknown 提升为 web。
禁止使用 scrape_status !== 2 判断来源。手动重采会把终态重置为 0,而 phone 不变,状态不是来源事实。
旧数据读取¶
splitAndDedupePhones 按以下顺序解码:
- 当前数字段有
(地图)/(官网)/(来源未知)时直接采用。 - 同行至少一个含数字的号码段有显式来源标记时,未标记段按旧协议视为 web。
- 整行无有效标记且
website为空时判 maps。当前写路径不会在官网抓取后清空 website,官网执行器对空 URL 也直接退出。 - 整行无有效标记且
website非空时判 unknown。
孤立的 (地图) 等零数字残片会被过滤,不能启动旧混合串解码模式。
展示与导出¶
号码第一列、原始写法和 E.164 值必须剥离所有来源后缀。来源列用 PHONE_SOURCE_META 单一元数据生成标签、提示、顺序和打印安全边框。CSV 两条路径都直接读取 sourceText,因此未知必须导出为非空文本 来源未知。
来源计数只统计真实渠道。来源未知 单独提供筛选器,不属于“仅单一来源”,也不能与社媒拼成“多来源交叉印证”。
回填策略¶
不做批量迁移,不删除或覆盖 20k 级存量记录。读取时即时兼容;记录以后正常官网合并或手动重采时,按新协议渐进写回显式标记。