上海一网通办
首页七十六字节,真身在另一个地址
直接打开这个域名,服务器返回七十六字节。
内容是十一行:一个脚本标签,里面一行跳转,指向同域名下的另一个路径,加一个 do 后缀。
也就是说,首页没有内容。它是一张纸条,写着「去那边」。
跟过去,才是真首页。一百零八万六千九百七十六字节。
这是这套系统唯一一个能被普通抓取拿到的入口。抓第一个地址,得到的是纸条;抓第二个,得到一百零六万字节的正文。
跳转不是重定向
服务器状态码是二百,不是三十几。这个区别很关键。
重定向是服务器说「你去那个地址」,客户端自己跳。这里的做法是服务器说「内容在这」,内容里写着「你去那个地址」。
对浏览器,两者看起来一样。对抓取程序,第一种会自动跟,第二种要看它跑不跑脚本。
不跑脚本的抓取,拿到的是七十六字节。跑脚本的,才有机会看到真页面。
一个省级政务服务门户的首页,第一道门是脚本。
整页只有四个直接子元素
把这一百零六万字节解析成树,页面的主体部分只有四个直接子元素。
第一个是页头,一百一十四个字,装七个主栏目、九种语言、关怀版、无障碍、登录。
第二个是一个没有类名的容器,四万二千八百四十八个字。
第三个是页脚,一百五十三个字。
第四个是一个输入框,零个字。
全页可见文字四万三千一百一十五个字。其中九成九装在第二个容器里。
那个容器里装的是什么?开头十四个字给出了答案:切换部门、区、管委会。
后面跟四个标签页:部门、区、管委会、其他机构。再加一个「查找」。
再往后,是市发展改革委、市经济信息化委、市商务委、市教委、市科委、市民族宗教局、市公安局。
这是一个「切换机构」的下拉面板。它把全部可选机构一次写完,等用户点开。
面板关着,内容在
面板默认是收起的。用户在页面上看不到这四万多个字。
但它们在源码里,在文档树里,在任何一个抓取程序拿到的字符串里。
六个元素被显式标成不显示,都是面板里的小块。其余全在。
于是出现一个错位:页面上能读到的字很少,源码里能读到的字很多。
对这个站,判断「首页写了什么」得先问一句:是看屏幕,还是看源码。
六千五百九十六个链接,六千五百三十九个点不动
整页有六千五百九十六个锚点。
逐条看它们的地址属性:六千五百三十九个写的是脚本前缀加 void,四十个是绝对地址,七个是站内路径,十个是页内锚点,三个是空的。
也就是说,百分之九十九点二的「链接」点了不跳页,只触发脚本。
对浏览器,这不是问题:点一下,面板展开,或者弹层出现。
对爬虫,这些链接等于不存在。它拿不到目标地址,也就走不到下一层。
真正的出口只有四十七个:四十个绝对地址、七个站内路径。
四十个绝对地址里,十六个指向同一个子域下的用户中心,四个指向另一个子域,两个指向公示发布。
还有英语、日语、韩语、德语、法语五个语言版本各一个,各自是独立子域。
六千四百一十一个机构名,靠属性活着
这些伪链接不是空的。每个都带两个属性:机构代号与机构全名。
机构代号是六个字母,前两位是城市缩写,后四位是机构拼音首字母。
机构全名是中文,比如上海市发展和改革委员会、上海市经济和信息化委员会。
带机构全名的锚点共六千四百一十一个,去重后五千九百九十九个。
也就是说,有四百一十二个机构名被重复写了两遍或以上。
这些名字全在属性里。页面上的可见文字,取的是另一套字段。
五千六百三十一个是居委会和村委会
把五千九百九十九个机构名去重后分类,结果很直接。
以「居民委员会」结尾的,四千三百三十二个。
以「村民委员会」结尾的,一千二百九十九个。
两者合计五千六百三十一个,占九成三点九。
剩下的三百六十八个里,才轮到政府部门、街道、镇、区和公司。
一个省级政务服务门户的首页,机构清单的主体是居委会。
按名字排序,第一个是「一六村村民委员会」,第二个是「一兴居民委员会」。
第三个是「一品漫城第一居民委员会」,第四个是「一品漫城第二居民委员会」。
排序按拼音,所以名单从「一」字开头排到「龚」字结尾。
最后几个是龙馥居民委员会、龙馨嘉园居民委员会、龚新居民委员会、龚路居民委员会。
剩下的三百六十八个分五类
区十八个,街道、镇、乡二百一十七个,管委会七个。
以「上海市」开头的市级机构七十六个,从市发展改革委到市粮食和物资储备局。
公司、水厂、集团三十个:上海城投水务、上海燃气、各家区自来水公司、上海机场集团。
还有二十个是法院、检察院、海关、边检、税务、外汇局这类垂直管理单位。
三百六十八个里,真正对办事人有用的,是这七十六个市级机构和三十个公用事业单位。
它们排在五千六百三十一个居委会后面。
为什么会有这个清单
这类面板的设计初衷是「按机构找服务」。用户知道自己在哪个区、哪个街道,就能找到对应的办事窗口。
村和居委会是最末一级,理论上确实有这个层级。
问题在于它被平铺进了同一个面板,和市级委办局、区政府并列,没有任何分组或折叠。
于是「切换部门」这个动作,实际给出的是全上海每一个村的名字。
零个标题标签,十八个「区」里两个不是行政区
整页的标题标签计数:一级零、二级零、三级零、四级零、五级零、六级零。
四万三千个字,六千五百九十六个链接,一百零五张图,零个标题。
这是这次三个站里最彻底的一个。首都之窗有七十九个但藏了一半,网信网有一百四十二个但全部下沉。
这个站一个都不写。层级完全由类和样式承担。
结构上留下的唯一痕迹是类名:二百一十七个九位数字,是行政区划代码。
三百一十万开头的是上海市。后六位是区和街道的代码。
「区」标签页里混了两个功能区
标着「区」的那个面板,列了十八项。
上海有十六个市辖区:黄浦、徐汇、长宁、静安、普陀、虹口、杨浦、闵行、宝山、嘉定、浦东新区、金山、松江、青浦、奉贤、崇明。
多出来的两个是海湾旅游区和莘庄工业区。
前者在奉贤,后者在闵行,都是功能区,不是行政区,没有区政府。
它们出现在「区」这个分类里,是因为在服务事项的系统里被编了号,能挂办事入口。
对用户,这意味着「区」这个标签的含义是「有政务服务中心的片区」,不是「行政区」。
页脚八项与一个总客服号
页脚一段话:主办单位,上海市人民政府办公厅。
地址写到门牌:上海市黄浦区人民大道二百号。邮编六位。
上海政务服务总客服电话,加一个座机号。这是整页唯一两个电话。
再往后是公众号与客户端两个二维码的替代文字,然后是公网安备号、ICP 备案号、政府网站标识码。
标识码是十位,前六位 310000,后四位 0044。
九十七张图的替代文字是空的。一百零五张图里,只有八张写了替代文字:市政府标志、党建标识、适老化、找错、举报、公众号、客户端、公安标识。
这个站点汇集上海市的政务服务事项、办事指南与进度查询,个人与企业事项都在这里。
一句话记住
首页源码一百零六万字节,零个标题标签,五千九百九十九个机构名里五千六百三十一个是居委会和村委会。






