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:
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。