pr查询：报告页数与实际对象数量不一致怎样去重，先判断差异来自行口径还是对象口径
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /baeae003b639.html
📄
pr查询：报告页数与实际对象数量不一致怎样去重，先判断差异来自行口径还是对象口径
先给结论：pr查询报告里的“页数”通常不是“去重后的对象数”，而是抓取、展示或计费口径下的行数。要去重，必须先把“一行代表什么”写清楚，再决定按哪个字段合并。下面用一个假设情境说明判断顺序。
先判断差异来自行口径还是对象口径
假设你负责一次外链资产盘点，pr查询导出报告显示1200行，但实际独立域名只有860个。这个差额不一定意味着工具有错，更常见的解释是：同一域名下多个页面各占一行，或同一页面在多次抓取中重复出现。此时不要急着删行，先确认三个字段：域名、完整URL、抓取时间。如果域名重复而URL不同，说明报告按页面计数；如果URL和抓取时间都重复，才是真正需要处理的重复记录。
可执行动作：在表格中新增一列“对象键”，把域名和URL拼接成唯一标识。结果会影响下一步——如果拼接后仍有重复，才进入去重；如果拼接后重复消失，说明原报告只是页面口径，不必删数据，只需在汇总时改用域名计数。
用两个条件区分该合并还是该保留
去重不是把所有重复都删掉。判断标准可以落到两个条件上：
- 同一对象、同一时间、同一指标：例如同一域名在同一天被记录两次，指标值相同，可以合并为一条。
- 同一对象、不同时间或不同指标：例如同一域名在两次抓取中记录不同，应保留时间戳，按最新或按区间汇总，而不是直接删除。
假设情境继续：1200行里，有300行是同一URL在两次抓取中各出现一次，另有40行是同一域名下不同页面。若直接按URL去重，剩下900行；再按域名汇总，得到860个对象。这个结果和实际域名数一致，说明去重口径选对了。若直接按域名去重却得到900，说明还有40个域名被不同页面重复计入，需要回到对象键检查。
把分歧转成可核对的项目字段
多个角色对“页数”理解不同，往往是因为各自默认的口径不同。运营看的是可联系对象数，技术看的是抓取行数，财务看的是计费单位。与其争论哪个数字对，不如把分歧写成一张核对表：
- 报告名称与导出时间。
- 原始行数、去重后行数、去重字段。
- 每个字段的取值示例，例如域名、URL、抓取时间。
- 保留规则：同对象不同时间保留最新，还是保留全部。
- 负责人确认后的最终对象数。
动作结果：这张表一旦填完，后续任何人再看到1200和860的差异，都能定位到是“页面行”还是“域名对象”，不需要重新跑一遍查询。
去重后还要检查什么
去重完成不等于数据可用。还要检查空值、大小写和协议差异。例如同一域名可能同时出现带www和不带www、http和https、末尾带斜杠和不带斜杠的写法。这些在字符串层面不同，但可能指向同一对象。处理方式是在对象键生成前先做规范化：统一小写、统一协议、去掉末尾斜杠。具体规范化规则要结合你查询的目标字段确定，不能直接套用其他报告。
如果规范化后数量进一步下降，说明之前的重复来自格式差异，而不是对象本身重复。这个结果会影响下一步：若下降幅度很小，可以按当前口径继续；若下降幅度明显，需要回头确认查询时是否混入了不同子域或不同路径层级。
什么时候不该去重
如果pr查询报告用于逐条核查、申诉或留痕，重复行本身可能是证据，不应删除。此时正确做法是保留原始行，另建一列“是否重复”和“重复组编号”，在汇总时再按组计数。这样既不影响原始记录，也能向其他人解释为什么汇总数小于报告数。去重是汇总动作，不是删除动作，这个边界要先和所有使用报告的人对齐。
