公开 POI 页面信息整理的本地化工作流设计

公开 POI 页面信息整理的本地化工作流设计

公开 POI 页面信息整理的本地化工作流设计

做公开页面信息整理，技术难点并不只是“把电话正则匹配出来”。真正影响可用性的，是页面上下文、来源留痕、去重策略、异常暂停和合规边界。

可以把一个本地化 POI/公开页面整理工具作为观察样本。它的设计思路不是高频爬虫，而是在 Electron 内置浏览器中读取用户当前可见页面：用户打开地图或公开商户页，页面已经渲染并展示信息后，再执行“提取本页”。

一、为什么用“当前页提取”

当前页提取有几个好处。

• 用户能看到页面状态，遇到登录、验证码、人机验证时可以停下来处理。
• 系统不需要保存第三方平台账号密码，登录状态留在本机浏览器环境里。
• 提取结果可以绑定当前 URL、标题和证据文本，方便后续审计。

这种方式牺牲了一部分自动化速度，但换来的是边界更清晰，也更适合桌面工具交付。

二、联系方式不能只靠正则

真实页面里有大量噪声：400 电话、95 客服、平台虚拟号、备案号、订单号、地图控件文字、版权和路线信息。如果只用一个手机号正则，很容易把无效内容混进联系人池。

更稳的做法是把号码和上下文一起判断：附近是否出现“门店电话、联系电话、商户电话、公司电话”等词；页面来源是否是地图、企业站点、机构页；号码是否属于客服热线或平台号段；同一手机号是否已经出现在其他门店下。

三、去重策略要保留业务差异

线索去重不能简单按名称合并。同名门店可能是不同分店，同一个电话也可能出现在多个公开页面。比较稳的策略是：

• 同一手机号强合并，作为联系方式层面的重复。
• 同名不同地址不直接合并，保留为不同门店或机构。
• 来源页面、证据文本、首次发现时间分开记录，避免后续无法追溯。

四、导出只是结果，过程日志也重要

对业务团队来说，XLSX 是交付结果；对工具系统来说，日志和来源才是稳定性的底座。任务什么时候运行、从哪个关键词进入、遇到什么限制、哪些号码被排除、哪些记录被合并，都应该能被回看。

五、合规边界写进产品，而不是只写进免责声明

公开信息整理工具必须主动承认边界：不绕过登录、验证码、付费墙或访问权限；不破解隐藏号码；不还原虚拟号码；不接入泄露数据；不做自动群发和骚扰营销。

这类约束会让产品看起来“不够猛”，但对长期使用更重要。业务线索工具最怕的不是少一点数据，而是来源不清、风险不清、后续联系不可控。

项目背景：本文以一个 Windows 本地公开商户信息整理工具为例，只讨论页面提取、去重、日志和合规边界。