如何合并 Bing 搜索导出数据，同时保留查询和排名证据

1. 设置数据采集规则

1. 设置数据采集规则：将已保存的查询列表和引擎列表整体替换为 1 个要使用的查询短语和 `["bing"]`，设置 `maxResultsPerExecutedQuery: 2`，国家为美国，语言为英语，并设置 `safeSearch: true` 和 `includeSponsoredResults: false`。此处未规定公开的页数上限输入参数。
2. 保存原始 Bing 结果行和 OUTPUT 元数据。原生数据行字段包括 `runId`、`country`、`language`、`safeSearch`、`engine`、`executedQuery`、`page`、`rankOnPage`、`rank`、`title`、`canonicalUrl`、`resultDomain`、`snippet`、`isSponsored`、`advertiserDomain`、`observedAt` 和 `schemaVersion`。完整保留用于识别运行及其设置的信息。
3. 使用 `runId` + `engine` + `executedQuery` + `page` + `rankOnPage` 构建观测记录键。保留 rank 和 observedAt 作为证据。从工作表中移除完全重复的导出行，并留下重复记录凭据。如果同一个键对应的 URL 值存在冲突，应保留 2 个候选值，等待核查来源，不要自行选择而不作说明，也不要按多数值判定。
4. 根据返回的 `canonicalUrl` 创建目标键。该字段是规范化后的候选地址，不是 HTML canonical 证据，也不是原始 href。先使用返回的完整 URL 字符串进行精确匹配。如果要规范化主机名大小写、片段标识或跟踪参数，应记录目标地址仍指向同一位置的依据。路径或查询参数不同的地址应保持独立。
5. 通过目标键列，将观测记录关联到目标地址表。同一个 URL 若由 2 个查询找到，或在 2 个时间点被找到，应对应多条观测记录和 1 个经过核查的目标地址。URL 与查询的归属关系只能来自实际观测记录。
6. 安全导出工作表。完整保留查询中的引号、逗号、换行符和 Unicode 字符。以原始 JSON 或 JSONL 作为主要核对依据，因为 CSV 导出或导入工具可能无法保留 null 与空值之间的区别。合并大量导出数据前，先用一个小型测试样例检查导出后再导入能否精确保留原值。
7. 分别报告原始行数、重复导出行数、不同的有效观测记录数、冲突数，以及不同的目标键数。去重后的 URL 数或查询归属关系数，不能用于估算搜索总量或全部网站的数量。在采集凭据中保留失败、无结果或达到上限的搜索记录。
8. 将目标地址和观测记录引用交给独立的目标页面检查流程。合并资源不能证明页面可访问、内容相关或来源可靠。明确说明范围仅限 Bing。

虚构的合并台账与数据检查

*注：以下表格和记录均为原创虚构内容，仅用于教学。*

设想这样一项测试：运行 R1 使用查询 "AI agents"，得到排名第 1 的 U1 和排名第 2 的 U2。运行 R1 使用查询 "small business automation"，得到排名第 1 的 U2 和排名第 2 的 U3。运行 R2 使用查询 "AI agents"，得到排名第 1 的 U1 和排名第 2 的 U4。这些都是 Bing 结果，使用已声明的相同设置，并各自带有时间记录。6 个观测记录键映射到 U1、U2、U3 和 U4 这 4 个目标键。U1 有 2 个时间点的观测记录；U2 有来自 2 个查询的观测记录。这 2 种重复出现的情况都不属于重复导出行。

第 7 条原始行完全重复了 R1 / 查询 "AI agents" / 第 1 页 / 排名第 2 的 U2，逐项复制了原始行的所有原始值，因此属于重复导出行。第 8 条原始行使用相同的键，但值为 U9。键 R1+bing+AI agents+1+2 对应的 U2 和 U9 两个值均处于冲突状态；应在冲突台账中保留这 2 个候选值，不要采信最先出现的值或多数值。共保留 8 条原始行、1 条重复导出行、6 个观测记录键、1 个冲突键、5 条无冲突的观测记录，以及 4 个已认可的目标地址。U9 仍不纳入已认可的目标地址。

*原创虚构示例：8 条原始行表。*

*原创虚构示例：6 个键的状态表。*

*原创虚构示例：目标地址引用表（4 个已认可的目标地址）。*

*原创虚构 CSV 测试样例，包含嵌入的换行符、以双写双引号表示的引号、Unicode 文本 café，以及带逗号的查询：*

代码片段

runId,engine,executedQuery,page,rankOnPage,title,canonicalUrl
"R1","bing","garden, tray",1,1,"Café guide
""Best picks""","https://example.com/garden"

*测试样例解码后的值与读者检查：*查询字段解码后为 `garden, tray`，标题字段解码后为 `Café guide`，后接一个实际换行符，以及由 1 对引号括起的 `Best picks`；canonicalUrl 解码后为纯字符串 `https://example.com/garden` ，不含 Markdown 语法。读者通过导出后再导入的往返检查，可以确认逗号分隔、嵌入的换行符、1 对引号和 Unicode 字符均得到正确保留。任何关于已完成 Python 解析、写入或读取的陈述，都仅适用于这 1 个虚构测试样例，绝不适用于 Actor 导出数据或大型数据集。