这两天香港新闻里有两个数字一是黄金周出入境人次节节攀升二是「今年首 8 个月近 3 万宗诈骗案」——刷屏的还有那句「假冒客服诱骗下载程式令手机变成读卡机」。声量给足之后我想回答一个更冷的问题这么多年的诈骗潮里真正被抓的是谁我把政府统计处「按罪案类别、警区、年龄组别及性别划分的被捕人数」表完整拉了下来55,860 行、19 个年度2007-2025、25.7 MB零鉴权一次抓全。对账结论有两个反直觉诈骗类被捕人数 2024 年见顶 9,319 人2025 年掉头大跌 29.0%——而新闻声量还在涨未成年人的份额不是在扩大而是在缩。目录一、先分清两个数字案件数 ≠ 被捕人数二、19 年曲线三段式2024 见顶回落三、谁在被捕成年人在涨未成年人的份额在缩四、边界和一句正经话一、先分清两个数字案件数 ≠ 被捕人数新闻里的「近 3 万宗」是报案案件数2026 年前 8 个月本表是被捕人数年度最新到 2025——两个指标、两个时期不能互换也别指望拿这张表去验那条新闻。这张表能回答的是另一层被捕者的结构。数据本身不挑环境Python 3.13 标准库一次请求抓全25.7 MB 的 JSON 落盘后先比对两次抓取的内容指纹再开工——零鉴权接口也要防缓存残片。先做完整性检查这张表的多维度是「罪类 × 警区 × 年龄 × 性别 × 频率 × 年份」建字典必须六个维度全带上少一维就会被同键覆盖、静默给出错值importjson dsjson.load(open(原始返回/crime.bin,encodingutf-8-sig))[dataSet]tbl{(str(r[OFF]),str(r[HKPF_REGION]),str(r[AGE]),str(r[SEX]),r[freq],str(r[period])):r[figure]forrinds}yearssorted({str(r[period])forrinds})assertlen(years)19and(years[0],years[-1])(2007,2025)defcell(off,year,age,sex,region):returntbl[(off,region,age,sex,Y,str(year))]# 层级恒等式暴力(1) 非暴力(2) 全部19 年逐年核对assertall(cell(1,y)cell(2,y)cell(,y)foryinyears)print(2025 全罪类被捕:,f{cell(,2025):,}, 暴力,f{cell(1,2025):,}, 非暴力,f{cell(2,2025):,})运行结果先给一个锚2025 年全罪类被捕 31,082 人 暴力 5,240 非暴力 25,84219 年层级恒等式逐年全过。做平了恒等式后面引用任何分项才有底气。二、19 年曲线三段式2024 见顶回落诈骗类Deception, fraud and forgery的被捕人数走的是清晰的三段fraud{y:cell(209,y)foryinyears}assertfraud[2007]2796andfraud[2024]9319assertfraud[2025]6619dropround((fraud[2025]/fraud[2024]-1)*100,1)assertdrop-29.0assertround(fraud[2025]/fraud[2007],2)2.37# 修订标记46 处集中在 2007/2008/2010诈骗类 4 处全在 2007marks[rforrindsifstr(r[sd_value])r]assertlen(marks)46assertall(str(r[period])in(2007,2008,2010)forrinmarks)print(f2007{fraud[2007]:,}→ 2024 峰{fraud[2024]:,}→ 2025{fraud[2025]:,}{drop}%)还有一个口径细节值得写下来统计处这张表用的是大类「Deception, fraud and forgery」欺骗、诈骗及伪造而警方新闻稿里说的「诈骗案」往往还有更细的分项口径电话骗案、投资骗案等——同一个「诈骗」至少两层口径。跨口径引用数字之前先把「哪一层分类」问清楚这和「被捕 vs 案件」是同一种错位的两个面。三段是2007-2019 平台期1,899-2,796 人之间窄幅波动2019 年是低点 1,8992021-2024 窜升段三年半从 3,354 冲到 9,3194.9 倍于低点2025 回落段6,619 人同比 −29.0%但仍比 2019 高 2.5 倍。2007→2025 整体 2.37 倍。回落是好事还是波动一年的数据不足以下结论——但它至少说明「诈骗被捕人数永远涨」这个直觉不成立序列是有顶的。顺带一个表内细节这份数据带修订标记列46 处「r」全部集中在 2007/2008/2010 三个早年其中诈骗类 4 处都在 2007——本文引用的 2007 年 2,796 是官方修订后的值。备注列是数据的一部分读完值必读标记好在 2024/2025 这两个核心年份没有任何修订标记趋势是干净的。三、谁在被捕成年人在涨未成年人的份额在缩「学生被骗产、青少年做车手」是新闻里最常见的画面但 19 年的年龄结构讲的是另一个故事AGE{10-15:10-15,16-20:16-20,21_and_over:≥21 岁}share{}forcodeinAGE:foryin(2007,2025):share[(code,y)]round(cell(209,y,agecode)/fraud[y]*100,1)assertshare[(21_and_over,2007)]90.5assertshare[(21_and_over,2025)]94.3assertshare[(10-15,2007)]1.7andshare[(10-15,2025)]0.5assertsum(cell(209,2025,agec)forcinAGE)fraud[2025]youth_peakmax(years,keylambday:cell(209,y,age10-15))assertyouth_peak2009andcell(209,2009,age10-15)53print(f≥21 岁: 90.5% → 94.3%10-15 岁: 1.7% → 0.5%19 年峰值{youth_peak}年 53 人)三个数字拆开看≥21 岁的成年人占比从 90.5% 升到 94.3%——诈骗被捕者越来越「成年」10-15 岁的份额从 1.7% 缩到 0.5%19 年里的峰值出现在 2009 年也只有 53 人16-20 岁从 7.8% 降到 5.2%。换句话说把未成年人当成诈骗潮的主角与这张表的口径对不上——主力和大盘一样是成年人。年龄三组之和与总数逐年恒等19 年 diff 全为 0这个结构不是抽样的巧合。性别维度倒是 19 年出奇地稳男性占比始终在六到七成之间起点 65.7%、终点 65.9%中间没有单边趋势。表里还有两个本文没展开的维度留给下一篇一是七个警区的地域分布——把 209 按警区拆开能看出诈骗的地域重心 19 年搬过几次家二是三层罪类层级35 个细分罪类全部挂在暴力/非暴力两大类之下层级恒等式就是靠这棵树逐层验的。维度越多的表能对账的恒等式就越多——这是复杂表对审计者的补偿。四、边界和一句正经话四条边界说在前面其一被捕人数 ≠ 定罪人数官方备注写明「不论是否被起诉均计入」别拿它当司法结论其二年度表滞后2026 年的月度战况包括那条「近 3 万宗」这张表覆盖不到引用时认准口径与年份其三早年数据带修订标记跨年比较前先扫一遍标记列其四本文只对账官方统计的结构对回落原因不做归因——一年的下降说明不了拐点。正经话只有一句也是这篇真正想带走的东西官方反复提示的套路万变不离其宗——冒充身份、制造紧迫、诱导脱离正规渠道操作。任何让你「下载程式」「共享屏幕」「借出账户」的请求停下来先挂断再通过官方渠道回拨核实这三步能挡掉绝大多数剧本。本文及代码不构成任何法律意见。这段多维键建表和恒等式核验代码可以直接搬走收藏备用如果这篇帮你校准了对「诈骗潮」的体感收藏点赞。你做数据对账时有没有遇到过「新闻声量与数据走势脱节」的时刻评论区聊聊。这类香港公开数据对账持续更新关注不迷路。参考链接https://www.censtatd.gov.hk/api/get.php?id940-92031langenfull_series1https://data.gov.hk/en-data/dataset/hk-censtatd-tablechart-940-92031