网页邮箱提取后怎么验收？五个地址、筛选与完整报告核对

01三种入口，回答不同问题

单页模式只读取给定网页；站内模式根据链接和可用站点地图探索同一来源的网站；导入模式解析已保存的 HTML、TXT、页面数据或粘贴内容。它们都不会保证网站每一处邮箱都能找到。不要把一次成功请求称作全站扫描完成。

地址和导入内容会发送到服务端解析，浏览器负责整理与导出，远端网页脚本不会被执行。登录、验证码、动态加载、附件、孤立页面与抓取限制都可能造成遗漏。不要把含有私人通讯录或凭据的文件粘贴成公开网页样本。

02完整跟做：一份HTML，五个地址，七次匹配

下载contacts.html，内容与本站“使用示例”相同。打开网站邮箱采集，选择导入/粘贴源码，来源网址填https://harbor-labs.example/contact，导入HTML或粘贴本节完整内容，再点击“提取邮箱”。不要把来源说明文字和URL一起当网页正文重复粘贴。

这是虚构站点示例，解析会把输入内容送到服务端，但不会抓取此示例域名或执行HTML里的脚本。读取成功应为1页、不同邮箱5个。hello在正文出现两次、页面数据一次，共3次；其他4个地址各1次，总计7次匹配。一个地址可以有多种识别方式，也不能因此算成多名联系人。

<!doctype html>
<html lang="en"><head><title>Harbor Labs · Public contacts</title></head><body>
<h1>Harbor Labs public contacts</h1>
<p>General enquiries: hello@harbor-labs.example</p>
<p>Our published contact is hello@harbor-labs.example. This duplicate should become one email record.</p>
<p><a href="mailto:partners@harbor-labs.example?subject=Partnership">Partnerships</a></p>
<p>Press: press [at] harbor-labs [dot] example</p>
<p><span class="__cf_email__" data-cfemail="42313732322d3036022a2330202d306f2e2320316c273a232f322e27">[email protected]</span></p>
<div data-email="events@harbor-labs.example">Public events</div>
<script type="application/ld+json">{"@type":"Organization","email":"hello@harbor-labs.example"}</script>
<a href="/about#team">Our team</a><a href="/contact?utm_source=sample">Contacts</a>
<a href="https://outside.example/contact">External partner (outside website scope)</a>
<p>Fictional example addresses demonstrate extraction. They do not indicate deliverability.</p>
</body></html>

结果应是例如partners@harbor-labs.example，不带?subject=Partnership。RFC 6068的mailto结构将地址和主题等参数分开；这不证明任何地址真实存在。

03搜索press后，先比较筛选件与完整报告

在结果搜索中填press，应只显示press@harbor-labs.example。下载筛选TXT和筛选CSV，打开核对唯一地址。CSV还有表头和来源信息，不能把表头算成第二个邮箱。

保持筛选不变，再下载JSON报告与XLSX报告。JSON的records仍应为5条，hello的occurrences为3；Excel的Emails、Sources、Scanlog分别承载邮箱、来源和页面处理记录。完整报告不受搜索过滤，不能因为界面剩一条就当作只交付一条。

04站内扫描的完成状态应该怎样写

先给页面上限一个可审阅的值，例如 10，再选择是否尝试站点地图发现。工具最多允许 500 页、深度 0–6，并有 5,000 个不同邮箱等存储限制；达到限制或发现队列处理完，都不能推导网站所有页面已被覆盖。

查看读取成功、失败、跳过、待处理与截断警告。若入口跳到站外，同源遍历不能继续；若部分页面失败，已经取得的结果仍可使用，但报告应保留这些失败。编辑建议是在交付说明写出入口、日期、参数和已知缺口，不用“全部有效邮箱”这样的结论。

浏览器关闭后不会在服务器继续扫。暂停时下载备份，重新进入后导入，再主动点击继续；备份包含地址、来源和待处理URL，应该按资料用途妥善存放。

05从实际下载件完成验收，再保留版本和范围

逐张检查XLSX：Emails应有5条邮箱记录；Sources应有5条地址与同一来源页的对应记录；Scanlog上方有任务参数与覆盖说明，下方应只有1条成功页面记录。Emails与Sources的表头另计，Scanlog的参数行不能当作页面数。本例hello有3次出现，但只有一个来源页，所以Sources不能按出现次数重复凑成7页。

再核对JSON记录中的完整邮箱、出现次数、sources.url和识别方式。若贴入的源文不完整，先重新读取正确HTML；若来源URL填错，修正后重新提取。不要只编辑导出的来源列来掩盖输入错误，也不要把报告JSON改名当扫描备份。

如需合并多份表格，按列名对齐合表保留来源；CSV交接可按结构与字段值核对处理。合并不会补齐未读取页面，也不会验证邮箱归属或联系授权。