跳转至

ISSUE-0132 · 邮箱侧的零闸

症状:同一张表,两个字段两套标准

phones:  dedupArray(cleanPhonesForPool(input.phones))   // 四道形态闸
emails:  dedupArray(input.emails)                       // 零道
socials: input.socials || {}                            // 零道(0126 记档未修)

存量清洗(cleanPollutedContactPool)同样只扫 phones:

set: { phones: filtered, syncedAt: 0 }    // emails / socials 原样留在库里

isEmailLikelyBroken 这个判据项目里早就有,且是纯字符串判据 —— 和电话的反向词不同,它不需要上下文,池里只有裸串也完全能跑。 它只是从来没被接到池这一层。

🔴 为什么这是系统性的,不是「漏了个字段」

这是 ISSUE-0125/0126/0130/0131 的第五次同形状复发:

issue 同源数据的两条路 没闸的那条
0125 抽取层 / 池写入端 池写入端只有 1 道
0126 addPhone / wa 通道 wa 通道 0 道
0130 本地写入 / 云端拉回 云端拉回 0 道
0131 电话抽取 / 邮箱·社媒抽取 归一函数只在电话块里
0132 phones 字段 / emails 字段 emails 0 道

⇒ 判据不是「哪个字段漏了」,是「同一份数据有几个消费者,其中几个物理上够得到判据」。 每次修都只把当次那条路接上,下一条同源路径仍在裸奔。

修法

新增 cleanEmailsForPool(复用既有 isEmailLikelyBroken),接三个写入点: 本地写入 / 云端拉回 / 存量清洗。cleanSocialsForPool 只对 whatsapp 跑 isPhoneFitForPool(它是号码,不是 URL)。

存量清洗的 set 从只写 phones 扩到三类字段,removed 计数按 phonesRemoved + emailsRemoved + waRemoved 汇总。

🔴 有意不做的:黑名单与噪音后缀

BUILTIN_EMAIL_BLACKLIST / 噪音后缀是用户可配的过滤偏好,不是「数据是否损坏」。 ContactPool 是跨用户共享池 —— 按当前用户的配置去裁剪别人的池子是错的。 ⇒ 池守卫只做客观损坏判据(URL 编码残留、连续 @、域名无点、连续点)。 已加源码断言锁住这条边界(剥注释后断言无 isEmailBlacklisted( 调用)。

🔴 一个自身的判据错误,如实记录

第一版那条「不得把用户偏好写进共享池」的断言直接 match 全文源码, 结果命中了我自己写在注释里的「⚠️ 不做的:黑名单…」那句话 —— 测试红, 但红的原因和它要防的东西无关。已改成先剥注释再查实际调用, 并补一条反证(剥注释后 isEmailLikelyBroken( 仍在)确认没剥过头。

⇒ 这正是「判据在量别的东西」的又一例:源码断言必须区分代码与注释。

证据

全量 961 全绿(本刀新增 3 条后 964);三路变异全部咬住, 每路用 md5 证明变异真改到文件、还原后逐字节一致:

变异 结果
Q1 本地写入退回 dedupArray(input.emails) 红 1
Q2 存量 set 退回只写 phones 红 2
Q3 云端拉回退回 r.emails \|\| [] 红 1

Q2 红的两条里有一条是既有测试「写回参数与 v0.10.118 相同」—— 它真抓到了行为变化,是有效守卫,有意更新而非删除。

证据边界

  • URL 型社媒(fb / ins / linkedin / tw…)仍无任何校验。本刀只给 whatsapp 加了闸(它是号码,够得到形态判据)。URL 形态的校验判据本项目没有,未新造。
  • 存量在新判据下的实际清洗量未在真实库上验证 —— dry-run 测试用的是构造数据。 ISSUE-0080 当年那次「3137 行 0 污染」是旧判据测的,不能拿来当本刀的证据。
  • 未在真实 Chrome 扩展里端到端跑过。