直接答案：61 个缓存页面的 HTML 字节中位数 91.5 KB，可见文本中位数只有 1,971 字符，文本占比中位数 2.01%。30 页不足 2%，其中 6 页不足 1%；只有 13 页超过 5%。首页中位 2.63%，文章页中位 1.73%。
最极端的是 E25 首页：294 KB HTML、913 个可见字符，占比 0.31%；E23 首页 468 KB、2,990 字符，占比 0.64%。另有 2 个页面的内联 script/style/noscript 占响应体 90% 以上。
方法：可见字符 ÷ UTF-8 字节
复用 25 个首页缓存（2026-10-31 至 11-01）与 36 个文章页缓存（2026-11-03 08:40–08:41），零网络请求。删除 script/style/noscript 内容与全部标签，反转义实体、压缩空白，得到可见字符数；与原始 HTML 的 UTF-8 字节数比较。
| 项 | 定义 | 边界 |
|---|---|---|
| 可见字符 | 去标签与 script/style 后的非空字符 | 含导航、页脚与按钮文字 |
| 文本占比 | 可见字符 ÷ HTML 字节 × 100 | 中文字符按 1 个字符计，不折算字节 |
| 内联占比 | script/style/noscript 内容字节 ÷ HTML 字节 | 不含外部脚本文件 |
| 页面级 | 整个文档，不分离正文 | 不评价内容质量 |
结果：一半页面文本不足 2%
| 文本占比 | 页面数 | 占 61 |
|---|---|---|
| < 1% | 6 | 9.8% |
| 1–2% | 24 | 39.3% |
| 2–5% | 18 | 29.5% |
| ≥ 5% | 13 | 21.3% |
| 页面类型 | 页数 | HTML 中位 | 文本中位 | 占比中位 |
|---|---|---|---|---|
| 首页 | 25 | 69.0 KB | 2,058 字符 | 2.63% |
| 文章页 | 36 | 113.0 KB | 1,924 字符 | 1.73% |
| 合计 | 61 | 91.5 KB | 1,971 字符 | 2.01% |
文章页的 HTML 中位数比首页大约 64%，可见文本反而略少，所以占比更低。页面更重不等于文字更多。
大文件与低文本的极端
| 页面 | HTML | 可见文本 | 文本占比 |
|---|---|---|---|
| E25 首页 | 294 KB | 913 字符 | 0.31% |
| E23 首页 | 468 KB | 2,990 字符 | 0.64% |
| E23 文章页 | 309 KB | 2,116 字符 | 0.68% |
| E22 文章页 | 152 KB | 1,007 字符 | 0.66% |
| E14 文章页 | 72 KB | 533 字符 | 0.74% |
6 个页面的可见文本不足 1,000 字符，4 个页面的 HTML 超过 300 KB。内联 script/style 的中位占比只有 5.08%，所以大部分字节不是内联脚本，而是标记、样式与页面结构；E18 首页与 E25 首页是例外，内联内容分别占 94.06% 与 92.48%。
对验收的启示
- 文本占比可以作为分诊指标。 一半页面不足 2%，值得进一步看 DOM 体积、重复菜单与空容器。
- 大 HTML 不一定有更多内容。 294 KB 只有 913 个字符的页面，加载与解析成本很难由内容解释。
- 文章页不比首页轻。 文章 HTML 中位 113 KB，文本占比中位 1.73%，低于首页。
- 内联脚本不是主要体积来源。 中位仅 5.08%；但个别页面 90% 以上是内联脚本，需要单独处理。
- 不要把占比当性能或质量评分。 它是页面级结构信号，正文提取与真实渲染仍需另测。
局限
- 页面级口径：导航、页脚与按钮文字都计入可见文本，未分离正文。
- 只算内联资源：外部 JS/CSS 文件不计入 HTML 字节，也不计入隐藏比例。
- 字符不是词：中英文混排未折算词数，占比只用于横向对照。
- 零请求复用：两批缓存时间不同；之后改动未反映。
- 61 页来自 25 首页 + 10 站文章页，不是 61 个独立站点。
数据与复算
匿名数据：equipment-text-share-2026.csv（61 行 × 8 列：页面类型、HTML 字节、可见字符、内联字节、文本占比、内联占比）。仓库内为 docs/research/2026-11-text-share.csv。
解析：scripts/text_share_probe.py；单元测试 scripts/test_text_share_probe.py（6 项，无网络）。运行：
python -m unittest scripts.test_text_share_probe
配套：文章页图片属性 pilot、首页缓存与压缩 pilot、文章页链接结构延迟复测。、首页 title 与 description pilot、结构化数据覆盖 pilot
数据来源与口径
- 首页缓存：第 4 期 25 个首页（2026-10-31 至 11-01）。
- 文章页缓存：第 45 期 10 站 36 页（2026-11-03 08:40–08:41），5 个 JS 外壳页排除。
- 可见文本：删除 script/style/noscript 与标签，反转义并压缩空白。
- 扫描时间：2026-11-05，零网络请求。