跳转至

ISSUE-0114 · 无国家线索时跨国真号被错并

症状(dshf 对抗审缺陷1 —— 该轮最重)

mergePhonesWithMapsLabel('0231 456789', ['02 31 45 67 89'])  →  '0231 456789'

地图号是德国多特蒙德的国内写法,网站号是法国 +33 2 31 45 67 89 的国内写法。 两串 digits 都是 0231456789、都无 +、primaryCC=null ⇒ key 同为 |0231456789 ⇒ 法国真号被并掉。scraper-executor 无条件把返回值写进 finalizeScrapedRow({ phone }) ⇒ 号从库里消失,不可逆。展示口同根(splitAndDedupePhones 只出 1 行)。

原注释自称「宁可漏合并也不猜错国家」——只对了一半:空前缀对「裸号 vs 带 CC 号」 确实漏合并(安全),但两个都无国家线索的裸号之间是全球同 digits 互并,恰恰错合并。

修法:无 CC 时拿【原串】做 key,不拿 digits

if (!primaryCC) return `?|${t}`;   // t = stripSourceLabel(raw) 归一化空白后的原串

写法完全相同必然是同一个号(照常合并);写法不同各留一条。 代价是同一个号的两种写法在无国家线索时显示两条 —— 难看但可再修; 丢真号是数据损失,不可逆。两害相权取其轻。

连带修掉的两条(同一刀里自审出来的)

① (地图) 标记污染 key(我自己引入,当场抓回):改原串 key 后,重抓回灌的 06152 / 40009 (地图) 与 06152 / 40009 会判成两个号。key 前先 stripSourceLabel。

② dshf 缺陷3:重抓不幂等 —— 标记叠加 + 来源误标。scraper-executor 每次重抓 把存量合并串原样当 mapsPhone 回灌: - 输出不剥旧标记 ⇒ (地图) (地图) 逐次叠加 - 整串被当地图来源 ⇒ 原本网站来源的号被误标 (地图)

修法:mapsPhone 里出现过标记即判定为回灌串(isRecycled),回灌串里 带标记的才是地图来源;输出前一律剥旧标记、按本次判定加一次。 第一次调用(纯地图号、无标记)行为与历史完全一致。

守卫:f(f(x)) === f(x) 幂等断言 + 标记数 ≤ 1。

坑

SOURCE_LABEL_RE 不带 g 标志 —— 带 g 的正则 .test() 有 lastIndex 副作用, 同一实例连续调用会交替返回 false。

证据

全量 752 通过;三路变异(key 不剥标记 / 回灌判据去掉 / 输出不剥标记)分别红 3/1/2 条, md5 逐个证明变异真改到了文件,还原后逐字节一致。

v0.10.140 追修:dshf 缺陷2 残留 + 缺陷5(均为漏合并)

奥兰群岛:号码表把 358 18 当一个 5 位前缀(matchDialPrefix 实测 prefixLen=5), 国际写法剥成 35818|12345、国内写法剥 trunk 0 后 …|1812345,永不相等。 加 COMPOSITE_CC_FOLD = { '35818': '358' }:key 里 CC 只留国家码本身,区号并回国内号。

一格多国(缺陷5):detectPrimaryCC 从「取第一个 +」改成「候选国唯一才返回」 (NANP 家族折叠成 '1' 再比唯一性)。多国时返回 null ⇒ domestic 走原串 key,不猜。 法国号从「被按德国剥 0(方向错)」变为「显示两条(宁可漏合并)」—— 这正是审查方自己建议的修法方向。单国主场景(+49 与 06152 合并)零回归。

变异:折叠表清空 / 唯一性回退取第一个 / canonKey 不折 —— 各红 1 条,全咬住。

证据边界

审查方 dshf 报此缺陷时跑的是它自己沙箱里的 vitest;本次修复的复现与验证 全部在本机 vitest 完成,未在真实抓取链路上端到端跑过重抓回灌场景。