关键词指数查询：报告页数与实际对象数量不一致怎样去重
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /743c89691358.html
📄
关键词指数查询：报告页数与实际对象数量不一致怎样去重
结论先说：不要按页数去重，要按“对象标识”去重。只有当每页确实对应一个独立查询对象、且对象之间不存在包含或别名关系时，页数才等于对象数。否则应把报告导出为可筛选的明细，用对象名、对象类型、所属分组三者组合成唯一键，再决定哪些对象退出、哪些保留。
先判断页数为什么会多于实际对象
常见有三种原因，处理方式完全不同。第一种是分页重复：同一对象因为结果行数多被拆到多页，页数虚高但对象没重复。第二种是别名重复：同一对象以简称、全称、旧称分别出现，看起来是多个对象。第三种是层级重复：父级对象和它下面的子级对象同时出现在报告里，父级只是汇总行。
区分方法很直接：随机抽三到五页，看第一列或标题列是否出现完全相同的字符串。如果相同字符串跨页出现，属于分页重复；如果字符串不同但指向同一事物，属于别名重复；如果一行是另一行的上级，属于层级重复。这个抽查动作只需几分钟，却能决定后面用哪种去重键。
按对象类型选择去重键
不同对象类型的唯一标识不一样，用错键会把该保留的删掉。
- 查询词类对象：用规范化后的词形做主键，去掉首尾空格、统一全半角、统一大小写。别名需要人工确认后再合并，不能靠字符串相似度自动合并。
- 页面或栏目类对象：用路径做主键，而不是用标题。标题可以改，路径相对稳定。
- 合作关系类对象：用主体名称加合作类型做主键。同一主体可能同时存在多种合作类型，合并会丢失信息。
如果报告里没有稳定标识，只有展示名称，那么去重结果只能作为候选清单，必须回到源系统核对后再执行退出操作。这一步不能省，因为展示名称是最容易重复也最容易改动的字段。
一个假设例子：页数虚高不等于对象虚高
假设某份报告共 240 页，每页 50 行，合计 12000 行。按页数直觉会认为有 12000 个对象。但抽查发现，前 60 页全部属于同一个父级对象下的子项，父级汇总行在每页页脚重复出现。按“路径 + 对象类型”去重后，实际对象数是 3200 个，其中约 400 个是父级汇总行，不应作为独立对象处理。
这个数字只是用来说明比较方法：页数乘以每页行数得到的是行数，不是对象数；行数减去重复行和汇总行，才是候选对象数。真实比例取决于报告结构和对象命名规范，不能套用这里的假设数值。
什么情况下页数等于对象数
反例是存在的：如果报告由系统按“一个对象一页”导出，每页有且只有一个对象，且对象之间没有父子层级和别名关系，那么页数就等于对象数，此时去重是多余的。判断依据是导出配置里是否勾选了“每对象独立分页”以及是否包含汇总行。如果无法确认导出配置，仍应按明细去重，而不是相信页数。
还有一种容易误判的情况：某次查询返回的页数突然减少甚至归零。这不能单独证明对象已被清理干净，也可能是查询条件变化、权限范围收窄或数据尚未同步。需要对照同一条件下的对象明细数量，才能判断是真实减少还是查询口径变化。
下一步动作：先出候选清单，再执行退出
具体动作是：把报告导出为明细，新增一列“唯一键”，用公式拼接对象名、对象类型和所属分组；对唯一键做计数，计数大于 1 的行标记为待确认；人工确认待确认行属于分页重复、别名重复还是层级重复；确认后生成两份清单，一份是确定退出的对象，一份是保留但需要合并别名的对象。
这个动作的结果会直接影响下一步：如果待确认行里层级重复占比高，说明报告本身混入了汇总数据，应先调整导出配置再重新导出，而不是在脏数据上继续去重；如果别名重复占比高，说明命名规范需要先统一，否则退出操作可能误删仍在使用的对象。只有确定退出的清单经过源系统核对后，才可以进入实际退出流程。
