直接答案:复用第 29 期缓存的 41 个文章类页面,零请求扫描可见文本:32 个页面至少出现一个日期字符串(共 163 个),17 个页面有“发布时间 / 时间 / 发布日期”标签,但没有一个页面写“更新于”。另有 9 个页面完全没有日期。日期是看得见的,只是它们大多在标“发布”,不是“更新”。
第 28/29 期报“可见更新 0”,指的是没有“更新于 / last updated”这类标签。这一期把口径放宽:只要页面出现日期字符串就算,看看“没有可见日期”和“没有可见更新标签”是不是一回事。
方法:零请求,复用缓存
数据来自第 29 期抓取的 41 个 200 页面(12 站、46 个 URL 中的有效部分),原始 HTML 保存在站外。本期不发网络请求:去掉 script、style 与注释后,在可见文本中匹配 20xx-10-30、20xx/10/30、20xx年10月30日 等日期串;若日期前 24 个字符内出现“发布时间 / 发布日期 / 发布 / 时间 / 更新于 / 最后更新 / published / updated”等标签,记为带标签。
| 字段 | 规则 |
|---|---|
| 日期字符串 | 目标年 + 分隔符 + 月,可选日;不去重 |
| 带标签日期 | 日期前 24 字符内命中标签词 |
| 更新标签 | 仅“更新于 / 最后更新 / 最近更新 / updated” |
| 无日期 | 可见文本中一个日期串都没有 |
边界:日期字符串可能来自新闻列表、侧栏、版权或正文,不区分位置;标签只看日期前,不看日期后;不判断日期含义,也不推断页面是否更新。
结果:日期可见,但标签在“发布”
| 项 | 页面数(41) | 说明 |
|---|---|---|
| 至少一个日期字符串 | 32 | 共 163 个日期串,最多一页 18 个 |
| 带发布/日期标签 | 17 | 共 24 个带标签日期 |
| 带更新标签 | 0 | 没有“更新于 / last updated” |
| 完全没有日期 | 9 | 可见文本里没有任何日期串 |
| 标签 | 出现次数 | 典型语境 |
|---|---|---|
| 时间 | 12 | 列表或正文旁的“时间:…” |
| 发布时间 | 10 | 文章头部“发布时间:…” |
| 发布 | 1 | “发布 2026-…” |
| 发布日期 | 1 | “发布日期:…” |
| 更新于 / last updated | 0 | — |
每页日期数量:从 0 到 18
| 每页日期数 | 页面数 | 说明 |
|---|---|---|
| 0 | 9 | 没有可见日期 |
| 1–2 | 15 | 单一文章日期或少量列表项 |
| 3–5 | 6 | 正文加侧栏/相关文章 |
| 6 及以上 | 11 | 新闻列表或大量推荐位 |
日期数量多,往往说明页面上有列表或推荐位,而不是正文有多个更新时间。163 个日期串不能当成 163 个“更新证据”。
与第 28/29 期的口径差
前两期把“可见更新”定义为“更新于 / 最后更新”标签,命中为 0;这一期把“可见日期”定义为任意日期字符串,命中 32/41。两个结论并不矛盾:日期看得见,但页面没有把它们标成“更新”。如果验收只搜“更新于”,会漏掉大量发布日期;如果只看到日期就当成更新时间,又会把发布时间误读成修订时间。
8 个 dateModified 页面:JSON-LD 与可见标签不总配对
- E09(5 页):JSON-LD 有
dateModified,页面也有“发布时间”标签与日期,其中 4 页各有 2–3 个日期串。 - E22(3 页):JSON-LD 有
dateModified,但可见日期前没有命中标签;日期可能存在,只是没有“发布时间”之类的前缀。 - 其余 33 个页面:没有 JSON-LD 更新日期;其中一部分仍有可见日期(发布、列表或版权),另一部分完全没有。
这说明:结构化日期、可见标签、可见日期是三件不同的事,任意两者都不能互相替代。
对验收的启示
- 先定义“可见日期”指什么。 任意日期串与“更新于”标签的命中率差了一个量级。
- 区分发布与更新。 本期 24 个带标签日期里,没有一个是“更新于”。
- 日期数量不等于证据数量。 列表页与推荐位会放大计数。
- JSON-LD 与可见标签分开记。 E22 有结构化日期但无可见标签。
- 保留“无日期”样本。 9 个页面一个日期串都没有,验收应写“无字段”。
局限
- 零请求复用缓存:页面状态停留在第 29 期抓取时。
- 正则边界:只认 20xx 开头的数字日期,中文“十月三十日”等写法看不到。
- 不区分位置:正文、列表、侧栏、版权都算,可能高估正文日期。
- 标签只在日期前 24 字符:“日期:2026…”之后换行或隔得远会漏掉。
- 41 个页面、12 站:pilot,不外推行业。
数据与复算
匿名数据:equipment-visible-dates-pilot-2026.csv(41 行:sample_id、URL、日期串数、首个日期、带标签数、首个带标签日期与标签、是否有更新标签、JSON-LD dateModified)。仓库内为 docs/research/2026-11-visible-dates-pilot.csv。
解析:scripts/visible_date_probe.py;单元测试 scripts/test_visible_date_probe.py(18 项,无网络)。运行:
python -m unittest scripts.test_visible_date_probe
配套:文章页更新日期扩样(46 URL、8 个 dateModified)、首页更新日期字段 pilot、五源日期对照、可见日期检查器(本地分类发布/更新)。
数据来源与口径
- 页面缓存:第 29 期 41 个 200 页面,原始 HTML 仅存站外。
- 日期格式:ISO 日期与常见中文/斜杠写法;不解析相对时间。
- 扫描时间:2026-11-02,零网络请求。