跳转至

ISSUE-0110 · 手机列表一格塞三种写法

症状(Tony 截图,v0.10.132)

+49 6152 2460                                       ← 第 1 行
+49 6152 40009 (地图), 06152 / 40009, 06152 24 60    ← 第 2 行:一格三种写法
+49 6152 2100 (地图), 06152 – 21 00                  ← 第 5 行:一格两种

「很多乱七八糟的」。拆开看:第 2 行的 +49 6152 40009 与 06152 / 40009 是同一个号码; 格内的 06152 24 60 与第 1 行的 +49 6152 2460 也是同一个号码。

根因 A · 去重 key 是美式假设

mergePhonesWithMapsLabel 原来的 key:

const normalize = (p) => {
  const d = p.replace(/\D/g, '');
  return d.length > 10 ? d.slice(-10) : d;   // >10 位取后 10 位
};

「取后 10 位」只在国内号恰好 10 位的国家成立:

国际写法 → key 国内写法 → key 同号?
美国 +1 907-522-1341 9075221341 9075221341 ✅
英国 +44 121 683 5620 1216835620 1216835620 ✅
德国 +49 6152 2460 4961522460 061522460 🔴
法国 +33 1 42 68 53 00 3142685300 0142685300 🔴

德国规则是 +49 X ≡ 0 X,与「取后 10 位」不是一回事。Tony 的数据全是 +49,全中招。

根因 B · 列表按整串去重、整串显示

data-view.tsx 的 phones useMemo 拿 r.phone("A, B, C" 合并串)整串做 key、整串入库。 所以「手机列表(去重)」显示的是合并串,不是单个号码。

修法

新建 src/utils/phone-merge.ts,两个根因共用同一套判定:

  • matchDialPrefix(digits) —— 从 phone-country.ts 新导出,变长最长匹配(1–5 位), 返回匹配到的前缀与位数。countryFromDialPrefix 委托给它,签名与行为不变(29 例老测试原样通过)
  • detectPrimaryCC(candidates) —— 一组候选里取第一个带 + 的定主国家;全无 + 返回 null
  • canonKeyForDedupe(raw, primaryCC) —— 形如 CC|国内号
  • splitAndDedupePhones(rows) —— 展示口,拆到单号后用同一套 key 去重

结构性决策:mergePhonesWithMapsLabel 与 splitPhones 都挪进新文件 —— scraper-executor.ts 顶层拖 dynamic-scraper/wxt/browser,data-view.tsx 顶层拖 jsstore/base, vitest(node 环境)没法直接 import 着测。这与 finalizeScrapedRow / data-view-selection.ts 当年被拆出去是同一个理由。原文件保留 export {} 转发,调用点零改动。

🔴 复核挖出的三条(全部主控独立复现,全部已修)

P0 · 位数门槛判在剥完国家码的 key 上 → 清空存量电话

mergePhonesWithMapsLabel('+352 12 34 56', [])  →  ""    卢森堡国内号 6 位
mergePhonesWithMapsLabel('+298 12 34 56', [])  →  ""    法罗群岛
旧算法同输入 → 保留(key '352123456' 9 位 ≥ 7)

而 scraper-executor.ts:294/444 把返回值无条件写进 finalizeScrapedRow({ phone }), finalizeRows 不过滤空值。⇒ 任何国内号 ≤6 位国家的行,只要跑一次官网抓取, 库里已存的地图电话被改写成空串 —— 既是回归,也直接违反「存量数据零影响」的硬约束。

修法:门槛判在原始全数字上(与旧算法同口径),不判剥完的 key。

P1 · key 丢掉国家身份 → 跨国同尾号互吞

canonKeyForDedupe('+49 6152 2460') === canonKeyForDedupe('+33 6152 2460') === '61522460'
merge('+49 6152 2460', ['+33 6152 2460']) → "+49 6152 2460"    ← +33 被吃掉
旧算法:'4961522460' vs '3361522460' → 两条都在

P2 · NANP 四位前缀把区号整段剥掉

canonKeyForDedupe('+1 868 622 1234') === canonKeyForDedupe('+1 876 622 1234') === '6221234'
(特立尼达 vs 牙买加;NANP 里 22 个 1-XXX 前缀走这条路)

剥完只剩 7 位本地号,而 7 位本地号跨区号重复是常态。

P1 + P2 一刀解:key 拼回国家身份 CC|国内号,国内写法用 primaryCC 补同一个前缀。 带 | 分隔是为了让「CC=1 + 号 868…」与「CC=1868 + 号 …」这类拼接不产生歧义。 正向合并(国际 ↔ 国内)不受影响。

「宁可漏合并」的两处退让(设计内,不是 bug)

  1. primaryCC 识别不出时,国内写法不剥前导 0
  2. detectPrimaryCC 逐行独立判定,一行内没有任何 + 线索时不跨行借国家

两条都在测试里钉死了行为。

验证

  • tests/phone-merge.test.ts 29 例 + phone-country.test.ts 追加 7 例(matchDialPrefix 回归)
  • 全量 npx vitest run 634 passed(598 基线 + 36 新增)
  • pnpm verify exit 0;MUST_KEEP 38 条真电话全绿,scraper.ts 零改动
  • 复核方做了 3 次 mutation(去掉 trunk-0 剥离 → 12 红;删 EXC 的 '39' → 2 红; prefixLen 写死 2 → 6 红),cp 还原后 md5 逐字节一致

Tony 截图三行的实测结果

R1: +49 6152 2460
R2: +49 6152 40009 (地图)
R5: +49 6152 2100 (地图)

3 行 5 种写法 → 3 个真号各占一行,格内无逗号。 06152 / 40009、06152 24 60、06152 – 21 00 全部被正确判为同号收掉。

terra + dshf 双路独立审查(Tony 指定)

两路各用独立 DSH_HOME、读同一份只读快照、不共享 session。 terra-dsh(gpt-5.6-terra / laifa-openai)与 dshf(deepseek-v4-flash / opencode-go) 双双判 NO-GO,合计 13 条 finding(dshf 跑了两轮,第二轮 5 条与前两轮不重叠)。

交叉覆盖情况

finding terra dshf 处置
无候选过门槛时返回空串 → 清空存量 ② #7 已修:原样返回 mapsPhone
+49 (0) 6152 2460 与 06152 2460 不归一 ③ #5 已修:只在原串写了 (0) 时剥,不泛化
websitePhones 元素含逗号不拆 ④ #6 已修:flatMap(splitPhones)
NANP 国际/国内写法不归一 — #3/#4 已修:统一归 1\|<10 位含区号>
未识别 + 与裸号共享 \| 命名空间 — #8 已修:未知 + 用 +?\|
跨国裸号数字碰撞被判同号 ① #1/#2/F1/F2 不修,见下

⇒ 两路各自发现了对方没发现的:terra 独有 0 条、dshf 独有 4 条(#2/#3/#4/#8)。 双路的价值在这一轮是实打实的。

🔴 主控被 dshf 纠正的一条

dshf F1 指出「此错并为本刀新引入」,主控实测坐实:

+49 6152 24600 + [06 15 22 46 00]
  旧 → "+49 6152 24600, 06 15 22 46 00"   两条都在
  新 → "+49 6152 24600"                    法国号被吞

主控此前把它归为「已知限制」是定性不足 —— 它不是既有行为,是本刀引入的回归。

但仍然不修,理由是它与修复本身是同一个机制:

+49 6152 2460 + [06152 24 60]        ← Tony 报的真实场景
  旧 → "+49 6152 2460, 06152 24 60"   不合并 ← 这就是 bug
  新 → "+49 6152 2460"                合并   ← 这是修复

在字符串层,德国自己的 06152 24 60 与法国的 06 15 22 46 00 对判据完全一样: 都是「裸国内号,剥 0 后与国际号的国内部分逐位相等」。 F1 是数字碰撞(两国号码恰好逐位相同),不是逻辑错误。 旧算法不碰撞纯属它的 key 更粗糙(>10 位取后 10 位)恰好把两者分开了, 代价是德国国际号与国内号也永不合并 —— 那正是用户报的原始症状。

主控试过的收窄(已回退,如实记录):把 primaryCC 收窄成「只认地图号」。 实测无效 —— dshf 举的那两个号纯数字串完全相同(都是 0615224600),不剥 0 也照撞; 而代价是地图号为空时同商家的国际/国内写法不再合并。收益为零、代价明确,故未采纳。

🔴 正确的修法方向(不在本刀):给抽取层传入行的国家上下文 (MapTaskData 已有 countryCode 列),用行的国家而不是「同批第一个 + 号」 去解释裸号。在字符串上继续加规则就是第七轮翻车。

dshf 第三轮 5 条(它跑了三轮,每轮都出新的)

# finding 处置
缺陷 4 展示口放行零数字残片 —— (地图) / unknown 被当成手机号展示 🔴 真回归,已修
缺陷 2 NANP 正向归一 已在第二轮修(+1 868 那组现在 key 一致);奥兰 +358 18 未覆盖,边角,未修
缺陷 1 primaryCC=null 时 \|digits 是全局命名空间 不修,见下
缺陷 3 重抓时 (地图) 叠加 同 F4,旧逻辑就有,未修
缺陷 5 一格多国号时第二国的国内写法不归一 漏合并,方向安全,未修

缺陷 4 是本刀引入的展示回归:老逻辑是 key = 纯数字; if (!key) continue, 换成 canonKeyForDedupe 后它对零数字输入返回 \|(truthy),残片就漏进列表了。 已补 if (!/\d/.test(p)) continue,与写入口的位数门槛同一口径。

缺陷 1 不修的数据依据(主控实测 36 页语料):

有电话的页面 23 · 至少一个带 + 16 · 全无 + 7(= primaryCC 会是 null,占 30%)

dshf 的修法是「primaryCC=null 时裸号不参与跨行合并」。代价与收益:

采纳 不采纳
影响面 30% 的页面失去去重 —— 相同号码重复显示,正是用户报的症状 两个不同国家的裸号 digits 逐位相同才出错
概率 确定发生 ~1/10¹⁰

⇒ 不采纳。但这是权衡不是否认:dshf 的现象描述完全属实, |digits 确实是全局命名空间。将来若拿到行的 countryCode,这一格自然消失。

dshf 第二轮另两条(未修,已登记)

  • F4 · 重抓时存量串被改写:existingPhone 被当作 maps 输入, +49 … (地图), 06152 24 60 重抓后变成 +49 … (地图) (地图), 06152 24 60 (地图)。 🔴 双重标记是旧逻辑就有的(scraper-executor 把已存串整体当 maps 源), 本刀未引入也未修复。修法:重抓时先剥 (地图) 再参与合并。
  • F5 · 00 国际冠码:德国人习惯写 0049 6152 2460,与 +49 6152 2460 判不成同号。 修法:00 开头按 + 同等处理。漏合并,方向安全,未修。

证据边界

  • 未在真实扩展里渲染核对 —— data-view.tsx 顶层依赖 jsstore/wxt,vitest(node) 无法渲染。 这是本仓既有的测试盲区,只做了纯函数单测 + tsc
  • detectPrimaryCC 逐行独立判定在真实抓取数据里的命中率未知(理论上 Maps 号码总是标准 +CC)
  • 只处理单层 trunk-0;若某国用双 0 或更复杂的 trunk 前缀,会退化成「未合并」(漏合并,方向安全)