文章页段落结构 pilot：445 段、11 页有超 300 字符长段

直接答案：36 个文章页共 445 个正文段落（≥20 字符），每页中位 12 段，段长中位 58 字符。11 个页面出现 31 个超过 300 字符的长段，最长一段 982 字符；36 个页面没有任何 <table>。可见正文中位 1,919 字符。

另有 22/36 页没有 <h2>——这与第 53 期标题层级 pilot 的结论一致，本期不重复分析标题，只把它作为段落结构的背景。E19 的 1 页有 1,610 字符正文，但没有任何 ≥20 字符的 <p>，说明文字放在 div 里。

方法：复用第 45 期文章页缓存

解析 2026-11-03 08:40–08:41 抓取的 36 个文章页（10 站，HTTP 200、HTML ≥5 KB），零网络请求。段落只计可见文字 ≥20 字符的 <p>；文字先去掉脚本、样式与标签，再解码实体、折叠空白。长段定义为 >300 字符。

结果：段落短，页数少

列表数量不能当作“正文用了列表”：596 个 ul/ol 里大部分是导航菜单，页面级统计没有分离正文与模板。因此本期只把表格与段落作为正文结构证据，列表仅作记录。

长段落在 11 个页面

E14 的第 4 页有 10 个长段（该页 17 段、4,923 字符），是样本内最集中的页面；E03 的四页各 3 个长段，其中第 4 页有一段 982 字符。E22 三页各 1–3 个。长段本身不等于错误，但会降低手机端扫读与 AI 抽取的边界清晰度。

表格：36 页全为 0

36 个文章页没有一个使用 <table>。这与首页不同——第 58 期文本占比 pilot 中，表格是少数站点的主要文本载体。对装备企业的参数、型号、工况这类对比信息，文章页用表格的比例为零，意味着读者只能从段落里找参数。

与标题层级的关系

22/36 页没有 <h2>（第 53 期已记录），本期的标题密度中位为 0.1 个/千字符。段落结构因此更像“连续长文”：段数不多、段长偏短、几乎没有小标题分隔。E19 的页面连 <p> 都没有，文字可能由 div 或 br 拼接，属于另一种极端。

对验收的启示

1. 把段落长度写进验收。 可要求正文段落中位不超过 150 字符、单段不超过 300 字符；本期有 31 个段落超过 300。
2. 参数用表格，不要只写段落。 36 页 0 表格；型号、工况、产能这类信息用表格更易读也更好抽取。
3. 用小标题切分长文。 22 页没有 H2，标题密度中位仅 0.1/千字符。
4. 检查正文是否真的用 p。 E19 有 1,610 字符却 0 个合格段落，需人工确认结构。
5. 不要把导航列表算作文本结构。 596 个列表容器大多来自模板，统计时要分离。

局限

• 段落口径：只认 ≥20 字符的 <p>，用 div/br 排版的正文会被低估。
• 页面级：导航与页脚文字计入正文长度与列表数，未分离。
• 不判断可读性：段长只是代理指标，不等于理解难度。
• 单次快照：2026-11-03 缓存，未复测改版。
• 10 站 36 页 pilot：不外推行业总体。

数据与复算

匿名数据：equipment-article-body-structure-2026.csv（36 行 × 15 列：正文长度、段数、段长中位与最长、长段数、列表与列表项、表格与行、H2/H3、标题密度、段落密度）。仓库内为 docs/research/2026-11-article-body-structure.csv。

解析：scripts/article_structure_probe.py；单元测试 scripts/test_article_structure_probe.py（无网络，8 项）。运行：

python -m unittest scripts.test_article_structure_probe

配套：文章页标题层级 pilot、页面文本占比 pilot、文章页锚文本 pilot。、文章页外链拆解 pilot、文章页正文链接 pilot、正文链接检查器

数据来源与口径

1. 文章页缓存：第 45 期 10 站 36 页（2026-11-03 08:40–08:41）。
2. 段落：可见文字 ≥20 字符的 p；长段 >300 字符。
3. 扫描时间：2026-11-06，零网络请求。

相关：文章页 HTML 体积组成 pilot。

相关：文章页可见文字同站重复度 pilot。