跳转至

ISSUE-0126 · WhatsApp 零闸旁路

架构级对抗审视(不找单点 bug,找系统性问题)确认的第一条。

症状:同一段 HTML,两个通道两个结论

<p>WhatsApp: 0711 486860 70173 Stuttgart</p>

  phones   = ["0711 486860"]      ← 过了 10 道闸,邮编被正确截断
  whatsapp = "071148686070173"    ← 一道闸没过,电话 + 邮编焊成 15 位伪造号

而展示层(v0.10.144,ISSUE-0117)给它们的标注是反的:

实际经历 标注 UI 显示
+49 711 486860 10 道闸 sourceInferred: true 官网?(推断)
+49 711 48686070173 0 道闸 sourceInferred: false 社媒(事实)

后者的 e164 是 17 位,超出 E.164 上限 15。用户按「社媒」筛出来做 WhatsApp 群发,就发给了一个陌生号码 —— 而「社媒」恰恰是做这件事时最强的买入信号。

补充实测:extractPhones: false(用户关掉全部电话抽取)时 phones 空了、 whatsapp 照出;phoneBlacklistCustom 对 wa 通道同样无效。

🔴 为什么这是系统性的,不是「wa 正则写窄了」

全部判据(位数门槛 / 斜杠日期 / 小数区间 / 坐标 / 未闭合括号 / 邮编焊接 / 斜杠列表拆分 / 黑名单 / 反向词 / tier 仲裁)都实现在 addPhone 闭包内部, 而它词法上嵌在 if (extractPhones) 里 ——

⇒ 这些判据的作用域是「phones 数组」,而不是「从这张页面上抽到的号码」。

wa 通道同源同页(whatsapp 本身就是 PHONE_CTX_REGEX 的关键词之一), 但它在代码里物理上够不到那些判据,只剩一行长度检查。

判据检验:靠「再加一条规则」解决不了 —— 把判据抄一份进 wa 分支,下次改 addPhone 又分叉。这正是「必须换个地方做」的定义。

🔴 第一版补丁是无效的,如实记录

我先试的是给 wa 通道挂 isPhoneFitForPool(ISSUE-0125 的四道形态闸)。没用:

邮编焊接  whatsapp="071148686070173"   ← 四道形态闸全过

因为焊接后是纯数字,形态上完全合法 —— 真正拦住它的是邮编截断判据, 而那道判据需要上下文(后面跟不跟城市名),不在形态闸里。

⇒ 形态闸对这一族无效,必须把清洗链整体提出来。

修法:把清洗链抽成纯函数,两个消费者共用

新增 cleanPhoneCandidate(raw, after),从 addPhone 闭包里提出四件事:

  1. 空白归一 + 剥边界孤立标点
  2. 未闭合 ( 截断(截后 digits<8 则整段回退,ISSUE-0116 F4)
  3. 邮编焊接截断(靠 after 上下文区分「号码+邮编」与「号码+分机」)
  4. 位数门槛 + 三道噪音判据

wa 通道三个分支改用它,并传入 after 上下文(html.slice(end, end+12))—— 这一步是关键,第一版补丁失败正是因为没传。

顺带:三处重复的长度检查收成一处 —— 原来第三处(文本分支)连 15 位上限都漏了。

🔴 第二个坑:只"复制"一份不算共用

抽出 cleanPhoneCandidate 之后我先只让 wa 通道调用它, addPhone 仍保留着自己那份就地实现 —— 两份并存。

那正是本 issue 要消灭的东西(注释里我自己刚写完「抄一份下次又分叉」)。 改成 addPhone 真正调用同一个函数后,全量测试当场红 2 条, 暴露出一处真实的顺序依赖:

Tel: 0711/486860 / 0711/486861   → 整串 digits > 15

位数门槛必须留在斜杠列表拆分之后跑 —— 先判门槛会把整个列表毙掉, 而拆开后每条都合格。⇒ cleanPhoneCandidate 加 skipGate 参数: 形态清洗可以前置,位数门槛不行。

这段过程本身验证了架构审的判断:两份并存不只是"重复代码", 它掩盖了一处只有在合并时才会暴露的顺序契约。

效果

邮编焊接    whatsapp="0711486860"       ← 与 phones 通道结论一致
属性焊接    whatsapp="0711486860"
坐标残片    whatsapp=""
过短串      whatsapp=""
✅ 真 wa 号  whatsapp="4917612345678"(三种写法全保留)

顺带订正一条承重的失实结论

ISSUE-0117 写「social 来源 = 独立列 whatsapp = 权威事实」,并据此铸出 sourceInferred: false。推理错在:从「不是从合并串反解出来的」推出「是事实」 —— 而那个独立列由一条只有长度检查的通道填充。

更糟的是它的「证据边界」三条里没有一条是「wa 列未经校验」; 测试也全部从 merge 层喂手写干净号,没有一条从 HTML 走抽取层。 ⇒ 「wa 列干净」这个假设被文档断言、被代码编码、被测试锁定, 唯独没在产生它的那一层验证过。已订正。

证据

全量 946 全绿;四路变异全部咬住 —— S1(wa 退回长度检查)红 3、S2(wa 不传 after 上下文)红 3。

证据边界

  • 只接了形态清洗那一段。黑名单、反向词、tier 仲裁仍未覆盖 wa 通道 —— 它们需要跨候选的上下文,根治要让 wa 命中走 addPhone(raw, s, e, 1)、 把「是不是 WhatsApp」降成候选上的一个 flag。本刀不动抽取结构。
  • extractPhones: false 时 wa 仍然会出(静默不受开关约束)。 这是个需要产品拍板的边界问题,不是技术问题,本刀维持现状。
  • ContactPool 的 socials 写入端仍是 input.socials || {} 零清洗 —— wa 号现在干净了,但那条路径本身没有闸。