2023年某二线城市城管部门在一次集中清理行动中，单日铲除的办证类小广告超过4.7万张，而其中重复出现的联系方式仅有不到300个。这意味着一个号码平均被喷涂或张贴了150次以上。办证小广告联系方式收集这件事，表面看是弯腰拍照的体力活，实际是信息去重与线索溯源的技术活。
问题一：街头小广告的联系方式到底该怎么抄才不漏？
直接拿手机随手拍是最低效的方式。光线、角度、污损都会导致号码无法辨认。实操中常用的做法是“三步记录法”：第一步拍全景定位——拍下小广告所在的电线杆、墙面、地面井盖的全貌，便于后续按路段归档；第二步微距拍号码——确保数字和字母清晰，至少两张不同曝光；第三步语音速记——对着手机把号码念一遍，防止照片模糊时仍有音频可查。这三步做完，单个广告的采集时间控制在20秒以内。
2022年杭州某物业公司保洁队用这个办法，在3个月内完成了17条主干道沿线小广告的编号归档，共计整理出有效号码861个，其中被重复贴涂超过50次的号码有39个。坦白讲，这个重复率数据比多数人想象的高得多。
还有一个容易忽略的细节：小广告上的联系方式不只有手机号。固定电话、QQ号、微信号、甚至短视频平台ID都会出现。只抄手机号会漏掉大约两成左右的线索。
问题二：用爬虫抓取网络上的办证联系方式，合法边界在哪里？
网络端的办证信息主要分布在分类信息网站的“本地服务”板块、贴吧、以及一些二手交易平台的隐蔽关键词下。使用Python的requests加BeautifulSoup可以抓取公开页面上的号码，但有三条线不能碰：第一，不碰需要登录才能看到的内容；第二，不碰robots.txt明确禁止的路径；第三，抓取频率控制在每分钟10次以下，避免对目标服务器造成压力。
2021年广州某信息安全团队做了一次公开测试，用合法爬虫在48小时内从公开网页中提取了1300余条疑似办证联系方式，经人工核验有效率为63%。同期他们从街头小广告中采集了400条，有效率71%。两者差距不大，但网络抓取的人力成本仅为街头采集的十分之一。
说白了，爬虫的效率优势在批量获取时非常明显。但网络数据有一个致命缺陷——很多号码是“一次性”的，发布者频繁更换，而街头喷涂的号码因为“换号成本高”，存活周期反而更长。
问题三：收集到联系方式之后，如何做去重和分级？
原始数据不经过处理基本没法用。去重的核心不是简单比对号码是否相同，而是识别“同一团伙使用不同号码”。这里有一个被低估的方法：前缀聚合。办证类号码大量使用虚拟运营商号段，同一批卡的前7位往往相同。把号码按前7位分组，能快速发现批量办卡的团伙线索。
分级方面，可以根据出现频次和位置分布做简单评分。出现频次超过100次且分布在3个以上行政区的，定为A级；50到100次定为B级；50次以下定为C级。2020年深圳某街道办用这个评分体系，把收集到的2000多个号码压缩为47个重点对象上报，最终协助警方打掉了2个跨区喷涂团伙。
这个环节最怕的是“重采集、轻整理”。一堆原始照片存在硬盘里没有任何价值，必须转化为结构化的表格——号码、出现位置、出现频次、采集时间、广告类型（喷涂/贴纸/印章）。
问题四：有哪些工具能让收集效率翻倍？
OCR识别是绕不开的工具。但通用OCR对喷漆字体、手写体、扭曲字形的识别率很差，实测准确率不到六成。建议用专门的小广告号码识别模型的训练方法对通用引擎做微调，识别率可以提升到85%以上。
移动端采集可以用“马克水印相机”这类带GPS和时间的拍摄工具，省去手动记录位置的步骤。PC端去重建议直接用Excel的删除重复项配合条件格式，数据量超过5000条再考虑用pandas处理。
还有一个反直觉的建议：不要用太高级的设备。一台500万像素的旧手机反而比旗舰机更适合，因为文件小、处理快、且不容易引起路人注意。街头采集这件事，低调比清晰更重要。
问题五：收集到的信息应该交给谁、怎么交？
个人收集办证小广告联系方式之后，最直接的渠道是拨打12345市民热线，按“城市管理-非法小广告”分类提交。提交时提供结构化表格比一堆照片有用得多。部分城市的城管部门有专门的“牛皮癣举报”微信小程序，支持批量上传号码和定位。
2023年成都试点了一个做法：市民通过“蓉城管”小程序上传小广告照片和号码，每有效上报10条可兑换20元停车券。活动开展前两个月，收到有效线索1.8万条，是此前同期人工巡查发现量的3倍。
需要说明的是，这些号码也可能成为诈骗线索的一部分。如果号码同时出现在办证广告和兼职刷单广告中，建议同步向反诈中心反映。办证小广告背后的链条往往不止于假证，还可能涉及刻章、发票、甚至身份信息买卖。收集办证小广告联系方式这件事，最终指向的是让这些号码失效——封号、拉黑、溯源、追责。每一个被记录下来的号码，都是链条上被标记的一个节点。