跳转至

ISSUE-0124 · 第二级放大器 + 漏接的抓取路径

对抗审在 ISSUE-0123 修完之后继续挖,找出两条它没覆盖到的。

① 第二级放大器:/i 下的 [A-Z]{2,3} 吃掉任意字母(high)

ISSUE-0123 给反向词加了左词界,解决了「ICO ⊂ Mexico」那一族。 但放大器还有第二级:

const LEGAL_ID_TAIL = '…(?:[A-Z]{2,3}[\s.-]*)?$';
new RegExp(… , 'i')   // ← 整个正则带 /i

/i 下 [A-Z]{2,3} 等价于 [A-Za-z]{2,3} —— 吃掉任意 2-3 个字母。 于是「词首缩写 + 词尾还剩 2-3 字母」也能锚到 $:

Gstaad 033 748 8181    → GST + `aad`  ⇒ 真电话被 DROP
Nifty 030 1234567      → NIF + `ty`   ⇒ 真电话被 DROP

对抗审实测爆炸半径 36 词中 28 词,覆盖西/意/德三语族的常见抬头: Técnico / Médico / Unico / Telefonico / Quimico / Electronico / Bernstein / Holstein / Rhein / Liechtenstein / Verein / Cooperativa / Alternativa / Nordic / Pacific …

🔴 其中 Servicio Técnico: 900 123 456 是西语客服电话的标准写法。

修法:国家码改白名单

const LEGAL_ID_CC = '(?:AT|BE|BG|CH|CY|CZ|DE|DK|EE|EL|ES|FI|FL|FR|GB|GR|HR|HU|IE|IT|
                       LT|LU|LV|MT|NL|NO|PL|PT|RO|SE|SI|SK|UK|US|CA|AU|NZ|MX|BR|JP|CN|IN|RU|TR|ZA)';

不在名单里直接不匹配 ⇒ 退化为漏判(安全方向),符合「宁可漏判不可误删」。

实测 28/28 全对:18 条真电话 KEEP、10 条法定编号 DROP。

② 判据③ 的排序只接了一条抓取路径(medium)

v0.10.149 只接了 tab 路径的 extractedPhones,而多阶段 pipeline 路径的 data.phones 有 5 个消费点全在吃 DOM 顺序:

writeContactRecord(phones)      ← 写 ContactPool
pageLog.phone 的 slice(0, 5)    ← 用户看到的
phoneList                        ← 完整记录
mergePhonesWithMapsLabel(…)     ← 写库
logCountryInference(…)          ← 诊断

⇒ 无标签裸号照样把带 tel:/电话词标签的真号挤出前 5, ISSUE-0121 声称的收益在这条路径上完全没有生效。

修法:在 const data = outcome.data 处排一次,5 个消费点一并受益。

证据

  • 28/28 判据边界全对
  • 全量 914 全绿(不含审查方探针)
  • 三路变异全部咬住:M1(国家码退回 [A-Z]{2,3})红 2 条、 M2(去掉左词界)红 18 条、M3(pipeline 不排序)红 1 条

🔴 一个方法论教训

ISSUE-0123 我修完就以为完了 —— 同一个根因往往有多级。 左词界解决的是「缩写在词尾」,[A-Z]{2,3} 的 /i 解决的是「缩写在词首、 词尾还剩几个字母」。两级都堵住才算修完,而我只堵了一级就发版了。

判法:修完一条正则缺陷后,把正则里每个「宽松片段」逐个问一遍 ——「它在 /i 下是什么?在空输入下是什么?能匹配到多长?」

证据边界

  • 国家码白名单是有限集,没列的国家(如某些非洲/中东国家码)会漏判 —— 安全方向,但确实是覆盖缺口。
  • 28 个爆炸半径词是对抗审枚举的,不是穷举 —— 哪天往词表加新的短缩写,必须重跑这组 KEEP 用例。
  • 两条路径的排序都未在真实 Chrome 扩展里端到端验证。