网页数据“没查到”不等于 0：站长和开发者的证据记录清单

做网站分析，最容易被忽略的错误，往往不是公式算错，而是把“没拿到”当成“没有”。一个访问量字段没显示，导出表里就补了 0;隔天按访问量排序，这个网站被放到最后。采集没有完成，却变成了业务判断。

这篇文章讨论怎样保留不确定性，给出可复制的记录方式。文中的小表是专门构造的演示数据，计算已经用脚本核对;它不是任何真实网站的访问量，也不代表客户效果或行业统计。

一、先别补数字，先把状态写清楚

同样是空白，背后的含义可能完全不同。

第一种，访问遇到验证或被拒绝。你没有读到目标字段，所以不能断言数据不存在。

第二种，来源暂时不可用，比如请求超时、页面报错。

第三种，页面打开了，字段仍未披露;这不等于真实业务数值为零。

第四种，来源明确给出了 0，而且指标、范围和统计期都能核实，才适合记录为零。

另外还要分清“页面没有这个字段”和“提取程序没找到这个字段”。

页面改版后，旧选择器可能失效。此时状态应是提取异常，而不是给网站盖上“无数据”的章。

一个实用做法，是把数值、状态、原因拆成三列。数值列只放核实过的数字;未知保持空白;状态列说明目前查到了哪一步。这样既能排序，也不会丢掉后续补查的线索。

二、用五行小表，看看误填 0 的代价

假设我们正在核对五条同口径、同统计期的数据。以下标识只是演示标签，不是真实域名：

A：已核实，100

B：已核实，0

C：访问遇验证，空白

D：来源超时，空白

E：来源未披露，空白

如果把所有空白补成 0，五行平均数就成了 20。保留状态后，只对两条已核实记录求平均，结果是 50。两个计算都能被表格软件执行，但回答的不是同一个问题。

50 只是已核实子集的平均值，不能冒充五条记录的总体平均值。完整的描述应是：已核实 2/5 条，覆盖率 40%;已核实子集均值 50;另有 3 条未知。总体均值目前无法确定。

如果分析目标是找合作网站，可以先对已核实记录排序，再单列待补查队列。不要因为某个网站暂时没查到，就自动判定它没有流量或没有合作价值。

三、每个数值旁边，至少留一张“证据卡”

不必把系统设计得很复杂。以下字段已经能解决很多交接问题：

记录标识：用于关联业务对象。

指标名称：例如月访问次数，不能只写“流量”。

统计范围和期间：全球还是某地区，哪个月，是否包含子域名。

数值与单位：次数、人数、百分比要分清。

结果状态：已核实、待验证、来源异常、未披露、提取异常。

来源 URL 与观察时间：注明时区。

证据位置：本地截图或响应摘要的保存位置。

下次动作：谁负责、什么时候可复查、怎样判断成功。

观察时间不是统计月份。例如今天打开一个网页，看到的是上个月的数据，就应分别记录，不能都填成今天。原站没有披露月份时，标记“未披露”，不要按抓取日期推断。

引用第三方转述时，也要保留来源层级。写清“转引，尚未经原站复核”，比把所有来源混成一个看似整齐的数字列更有用。浏览器截图能证明当时页面呈现了什么，却不能证明供应商的统计模型绝对准确。

四、地区不同，先控制变量再解释结果

同一个网址，换了网络位置后内容不一样，原因可能包括语言、登录状态、缓存、页面版本或地区规则。只换一次线路，就说“这个国家的数据都是如此”，证据还不够。

更稳妥的比较，是保持网址、浏览器版本、登录状态与语言设置一致，只改变一个条件，并记录时间。如果使用代理做地区性观察，要记录所选地区、线路配置的非敏感标识及当时结果。住宅 IP 只是请求路径的一项条件，不等于模拟了真实用户的整套设备、定位、账号与行为。

如果出现验证页面或访问限制，记录下来并按网站要求处理;不要把重试次数堆上去当成调查方法。日志和截图也不应夹带密码、完整 Cookie、授权头或带登录令牌的链接。

五、给补查设置出口，不要无限刷新

来源返回限流提示时，按其等待要求安排复查。暂时性错误可以进入有限重试队列;页面字段变化则转给提取规则维护者;遇到人工验证，就标记需要正常验证处理。没有新证据前，不要把“已尝试”改成“已解决”。

每个队列项最好同时保存“最后一次结果”和“恢复条件”。例如：来源超时，稍后正常复查;月份未披露，等待原站更新;字段选择器失效，需要人工比对页面。这比笼统写“失败”更容易继续工作。

补到数据时，只更新对应空白和状态，保留旧证据及修改时间。若新数值与旧数值冲突，应先核对统计期、单位和覆盖范围，不能简单用最后抓到的值覆盖一切。

六、把报表写得诚实，也写得省事

在报表顶部展示总记录数、已核实数量、未知数量和统计期间，正文只突出真正需要判断的数字。完整证据卡放到详情中，需要追查时再展开。

上面的五行演示，适合写成“核实 2 条，待查 3 条”，而不是“全部查完，后三条为 0”。一张报表的价值，不在于每个格子都有数字，而在于下一个接手的人能分清事实、未知和下一步动作。

来源投稿作者：BestProxy 团队