首页主体信号：13/25 可见 ICP，联系页补 4 个地址、6 个电话

直接答案：25 个首页的可见文本中，13 个出现 ICP 备案号、10 个有地址、6 个有电话。再抓取 1–2 个联系/关于页后，地址升到 14、电话升到 12、ICP 升到 14：4 站补到地址、6 站补到电话、1 站补到 ICP；22 站有可复核内页。首页同时有 ICP、地址、电话的仍只有 4 站。

本文只读取 HTML 可见文本，不执行 JS、不做 OCR，也不查询备案系统；所有结论只描述这 25 个首页在这一次抓取中的表现。

方法：一次抓取，只读可见文本

2026-11-08 07:42–07:43，对第 4 期 25 个首页的最终 URL 各发一次 GET（超时 15 秒，串行，站间 0.6 秒），去掉 script、style、注释与标签后，对可见文本做正则匹配：ICP 备案号（省份简称 + ICP备 + 数字 + 号）、公网安备号、地址、电话、营业执照/统一社会信用代码。只公开发布布尔值与计数，不发布备案号或站点名称。

结果：13 个 ICP，3 个公网安备

三个公网安备站点都同时出现 ICP，但 13 个 ICP 站点里只有 3 个有公网安备。ICP 更像“上线必填项”，公网安备则覆盖更少；两者都不是主体信息完整的证明。

组合：只有 4 站同时有 ICP、地址、电话

8 个“仅 ICP”站点说明备案号与联系信息是两套东西：备案号常放在页脚，地址与电话则可能只在“联系我们”页。对采购方来说，首页同时出现这三项，主体核验成本最低；只有备案号时，仍需再点一层。

联系页补全：4 个地址、6 个电话

2026-11-08 09:40–09:42，对同一批 25 个首页按“联系/关于/公司/contact/about”发现同源内页，最多抓 2 个；22 站命中，3 站没有可达候选。对每个内页重新统计可见文本中的地址与电话，并在原始 HTML 中搜索 ICP。

联系页主要补的是联系信息：4 站补地址、6 站补电话，ICP 只补 1 站。备案号通常放在全站页脚，首页与内页共用；地址和电话则更常只在“联系我们”页出现。

8 个“仅 ICP”的首页里，7 个有可复核内页：3 个在联系页补到地址、4 个补到电话（E08、E11、E28 同时补地址与电话；E12 只有电话）。也就是说，“首页只有备案号”并不等于站内没有地址或电话，只说明它们不在首页。

复核：12 个未见 ICP，1 个在源码或内页找到

对 12 个可见文本未出现 ICP 的首页做复核：重新抓首页源码（含 script/style），并从首页同源链接里找“联系/关于/公司/contact/about”类页面，最多抓 3 个，在原始 HTML 中搜索备案号；没有候选链接时尝试 /contact.html 与 /about.html。2026-11-08 08:40–08:41 执行。

结果：1 个站点（E23）在首页源码与 3 个内页都能找到 ICP——备案号存在，但不在可见文本里；8 个站点在源码和 2–3 个内页中仍未找到；3 个站点未能复核（E13 首页返回 502，E16、E20 没有可达的候选页）。

因此两个口径要分开写：可见文本 13/25，HTML 存在 14/25；可见文本口径在这次样本里漏了 1 个（1/12）。这不改变“只有 4 站同时有 ICP+地址+电话”的组合结论，但说明首页可见性检查不能替代源码检查。

对验收的启示

1. 备案号是首页必查项。 13/25 可见；其余 12 个可能放在图片、脚本或内页，需要人工确认，不能直接判为缺失。
2. 备案号不等于主体信息完整。 8 个站点只有备案号，没有可见地址或电话。
3. 联系信息影响询盘路径。 6 个首页有电话、10 个有地址；与首页询盘路径 pilot一起看，首页只是入口之一。
4. 执照/信用代码仍少。 7 个出现相关字样，0 个出现完整 18 位代码；需要核验时应引导到“关于/资质”页。
5. 把“可见”写进验收。 备案号、地址、电话放在首页页脚或联系区，能减少采购方一次点击。企业官网验收可参考网站建设服务。
6. 可见与源码分开记录。 本次 1/12 的“未见 ICP”在源码中存在；验收要写明查的是可见文本还是 HTML。
7. 把联系页纳入主体信息验收。 首页只写备案号不够；联系/关于页应补地址与电话，本次 4 站补地址、6 站补电话。

局限

• 只看可见文本：不执行 JS、不做 OCR；图片、Canvas 或脚本生成的备案号记为未见。
• 不查备案系统：不验证号码真伪、主体一致性、域名覆盖或备案状态。
• 单次抓取：2026-11-08 07:42–07:43；页面改版或 WAF 返回差异都可能影响结果。
• 正则口径：地址/电话只认字段字样，不识别纯号码或纯地名。
• 25 站 pilot：不外推行业，也不构成合规结论。
• 复核范围有限：只查首页源码与最多 3 个同源内页，不做 OCR、不登录、不查备案系统；3 个站点未能复核。
• 内页只抓 2 个：按链接文字发现，可能漏掉 JS 菜单或命名不同的页面；3 站无可达候选，未计入补全。

数据与复算

匿名数据：equipment-homepage-entity-signals-2026.csv（25 行 × 10 列：首页可见文本口径）。复核数据：equipment-homepage-entity-audit-2026.csv（12 行 × 7 列：源码/内页复核）。内页对照：equipment-homepage-entity-inner-2026.csv（25 行 × 13 列：首页与 1–2 个联系/关于页的 ICP/地址/电话及补全标记）。仓库内为 docs/research/2026-11-homepage-entity-signals.csv、2026-11-homepage-entity-audit.csv 与 2026-11-homepage-entity-inner.csv。

解析：scripts/entity_signal_probe.py 与 scripts/entity_signal_audit.py；单元测试 scripts/test_content_entity_signals.py（11 项）与 scripts/test_content_entity_audit.py（9 项，均无网络）。运行：

python -m unittest scripts.test_content_entity_signals scripts.test_content_entity_audit

配套：首页询盘路径 pilot、首页 HTTPS 证书与 TLS pilot、首页 canonical 与协议跳转 pilot、首页英文站入口 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 07:42–07:43 Asia/Shanghai，串行，站间 0.6 秒，超时 15 秒。
3. 处理：去 script/style/注释/标签，仅对可见文本匹配；不执行 JS、不做 OCR。
4. 发布：只保留布尔值与计数，不发布备案号、电话、地址等原文。
5. 复核：2026-11-08 08:40–08:41；首页源码 + 最多 3 个同源“联系/关于”内页，无候选时尝试 /contact.html 与 /about.html。
6. 内页对照：2026-11-08 09:40–09:42；同源“联系/关于”页最多 2 个，可见文本统计地址/电话，源码搜索 ICP。

常见问题

备案号在图片或 JS 里算不算？

不算。本文只读 HTML 可见文本，不执行 JS、不做 OCR；图片或脚本生成的备案号记为“未见”，需要人工复核。

没有备案号就是不合规吗？

不能这样判断。本文只记录首页可见文本是否出现备案号，不查询备案系统，也不判断站点是否已备案或是否合规。

公网安备必须和 ICP 一起出现吗？

不是。3 个有公网安备的站点也都出现 ICP，但这是这 25 个站点的观察，不是规则推断。

为什么地址和电话要单独统计？

对 B2B 询盘与主体核验有用。10 个首页有地址、6 个有电话，但只有 4 个同时有 ICP、地址和电话。

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。首页信号 25 行 × 10 列、复核 12 行 × 7 列、内页对照 25 行 × 13 列；两个解析模块共 20 项离线单测。

为什么可见文本与源码数字不同？

E23 的备案号存在于首页源码，但不在可见文本里（可能在脚本或隐藏元素）；复核后 HTML 存在口径为 14/25，可见文本口径仍为 13/25。

为什么 ICP 补得少、地址电话补得多？

备案号通常放在全站页脚，首页与内页共用；地址和电话更常只出现在“联系我们”页。本次 ICP 只补 1 站，地址补 4 站、电话补 6 站。