首页英文站复测：扩展路径后 9/25 有英文站，6 条路径新增 5 个

直接答案：只测 /en 时，25 个首页里 4 个是真正英文；扩展 6 条入口（含 /en-us 与 en. 子域）后，新增 5 个英文站（E03、E08、E09、E11、E22），合计 9/25。原 8 个 /en 页面中 2 个中文软回退、1 个 WAF、1 个 404；4 个英文页 0 个声明 hreflang。

本文只从首页链接、href 与 hreflang 发现英文入口，再请求一次；不执行 JS、不点击菜单，也不判断英文内容质量。

方法：链接发现 + 一次 /en 回退

2026-11-08 13:40–13:42，对第 4 期 25 个首页各发一次 GET；从 <a> 文本（EN/English/英文）、href 中的 /en 与 hreflang="en*" 发现候选，最多试 3 个；都不成功时再尝试 /en/ 与 /en。对成功的英文候选读取 html lang、title 是否含中文、是否声明 hreflang。不渲染页面。

结果：2 个切换、8 个 /en 可访问，扩展后 9 个英文站

8 个 /en 可访问的站点里，只有 2 个在首页暴露了切换入口；200 不等于英文可用：E18 是 WAF 脚本壳、E27 是 404、E04 与 E12 仍返回中文正文。把入口扩到子域与常见路径后，英文站从 4 个升到 9 个——只测 /en 会低估一半以上。

内容核验：4 个英文、2 个中文、1 个 WAF、1 个 404

2026-11-08 14:41–14:44 对 8 个 /en 页面逐一读取可见文本：统计中文字符与英文词，并在语言判定前识别 WAF 与 404。

判定按可见文本：0 个中文字符记为英文；中文字符 ≤50 且英文词 ≥50 记为“以英文为主”；其余含大量中文的记为中文。WAF 与 404 在语言判定之前识别，避免把“200 的错误页”算成英文站。

路径扩展：6 条路径新增 5 个英文站

2026-11-08 15:40–15:43，对 25 个首页各尝试 6 个入口：/en-us/、/en/index.html、/english/、/global/、/en/home 与 en.主机 子域（超时 8–12 秒）。对 200 页面先用可见文本判定语言，再计入。

新增的 5 个英文站全部不在 /en 上：E03、E08、E09、E22 走 en. 子域，E11 的 /english/ 与子域都可访问。只测 /en 会把英文站数量低估一半以上（4 → 9）。

语言信号：4 个英文页 0 个 hreflang

英文页的 lang 与 hreflang 是两套信号：E01 标题是英文、lang 却是 zh-CN；E29 标题英文但 lang 缺失。0 个 hreflang 意味着中英页面没有互相声明，搜索引擎只能靠 URL 与链接猜测。

对验收的启示

1. 首页要有文字化语言入口。 8 个有 /en 的站点里只有 2 个在首页给出入口；EN/English 文字链接比国旗图标更可发现。
2. /en 必须返回英文，而不是软回退或错误页。 E04、E12 返回中文正文，E18 是 WAF 壳、E27 是 404；状态 200 不能作为可用依据。
3. 英文页 lang 要改成 en。 E01 的 zh-CN、E27/E29 的缺失都会给屏幕阅读器与搜索引擎错误信号。
4. 中英页面成对声明 hreflang。 本次 4 个 /en 英文页 0 个声明，和 首页 canonical 与协议跳转 pilot 里的 hreflang 覆盖一致。
5. 入口发现要覆盖子域与常见路径。 只测 /en 得到 4 个英文站，扩到 6 条路径后是 9 个；子域与 /english 是主要补充。
6. 把英文入口纳入出口站验收。 对装备出口企业，英文入口、hreflang 与 lang 是同一组检查项。企业官网验收可参考网站建设服务。

局限

• 只识别文字与 URL：图片按钮、JS 菜单、未加文字的国旗图标不计，可能低估切换入口。
• 不判断内容质量：标题英文不代表正文完整；未核对翻译、产品数据或联系方式。
• 路径覆盖有限：已加 5 条常见路径与 en 子域，仍未穷举其他子域与命名；新增 5 个只做语言判定，未核验 hreflang/lang。
• 单次抓取：2026-11-08 13:40–13:42；E19 首页本次请求超时，但其 /en 可访问。
• 25 站 pilot：不外推行业。

数据与复算

匿名数据：equipment-homepage-english-entry-2026.csv（25 行 × 11 列：切换、/en 状态、lang、标题、hreflang）。内容核验：equipment-homepage-english-content-2026.csv（8 行 × 10 列：中文字符、英文词、判定）。路径扩展：equipment-homepage-english-paths-2026.csv（25 行 × 8 列：入口路径数、200 数、新增英文、路径类型）。仓库内为 docs/research/2026-11-homepage-english-*.csv。

解析：scripts/language_entry_probe.py；单元测试 scripts/test_content_language_entry.py（9 项，无网络）。运行：

python -m unittest scripts.test_content_language_entry

配套：首页 canonical 与协议跳转 pilot、首页主体与合规信号 pilot、首页询盘路径 pilot。

数据来源与口径

1. 样本：第 4 期 25 个首页（同一批 sample_id）。
2. 抓取：2026-11-08 13:40–13:42 Asia/Shanghai，串行，站间 0.5 秒，超时 15/12 秒。
3. 候选：链接文字、href 中的 /en、hreflang=en*；回退仅 /en/ 与 /en。
4. 指标：HTTP 状态、html lang、title 是否含中文、英文页 hreflang 是否存在。
5. 内容核验：2026-11-08 14:41–14:44；可见文本统计中文字符与英文词，先识别 WAF/404 再判定语言。
6. 路径扩展：2026-11-08 15:40–15:43；每站 6 个入口（5 条路径 + en 子域），200 页面按可见文本判定语言。

常见问题

为什么只有 2 站有英文切换？

本文只识别链接文字（EN/English/英文）、href 中的 /en 与 hreflang；图片按钮、JS 菜单或未加文字的国旗图标不计，可能低估。路径扩展发现 5 个英文站也说明“首页没有入口”不等于“没有英文站”。

/en 返回 200 就是英文站吗？

不一定。E12、E18 的 /en 返回 200 但标题仍是中文，属于软回退；只有 E01、E19、E24、E27、E29 的标题为英文。

hreflang 为 0 有什么影响？

搜索引擎难以把中英页面识别为同一实体的语言版本；多语言站点应成对声明 hreflang，并互相指向。

英文页 lang=zh-CN 算问题吗？

算信号不一致。屏幕阅读器与搜索引擎会按 zh-CN 处理，英文内容可能被错误识别；应改为 en 或 en-US。

25 个站点能代表行业吗？

不能。这是第 4 期同一批装备企业官网的 pilot，只描述这 25 个首页。

数据能复核吗？

可以。入口 25 行 × 11 列、内容 8 行 × 10 列、路径扩展 25 行 × 8 列；两个模块共 20 项离线单测。

WAF 拦截页与 404 页怎么识别？

E18 的 /en 返回 200，但可见文本是 WAF 脚本壳；E27 的 /en 跳到标题为 404 的页面。两者都按“不可用内容”处理，不计入英文站。

为什么要试 /en-us 和子域？

很多站点把英文站放在 en 子域或 /en-us、/english 等路径；只试 /en 会低估英文站数量，本次 6 条路径新增 5 个。