ISSUE-0137 · tier2 缺右边界(第八次同源零闸)¶
起因¶
ISSUE-0136 结案时记了一条「已知未修」:整管 0711 390 11 608 / 390 11 608 436
仍吐出截断产物 390 11 608 4。Tony 要求把它也修掉。
基线勘察挖出比那条严重得多的两个:
"Tel: 123 456 789 012 345 67" → ["123 456 789 012 345"] 17 位截成 15 位假号
"Tel: 0711 390 11 608 0711 390 11 436" → ["390 11 608 0711 390"] 跨越两个号的中间片段
第二条抽出的号既不是第一个也不是第二个 —— 输入里根本不存在, 而形态完全合法,会被 SPEC-012 规范化洗成漂亮的德国号。
根因:三层里只有一层没有右边界¶
| 层 | 上限 | 右边界断言 |
|---|---|---|
tier3 PHONE_TEXT_REGEX |
— | ✅ (?=[\s<)]\|$) |
WhatsApp WHATSAPP_TEXT_REGEX |
{8,15} |
✅ (?![\d\s\-])(ISSUE-0128 修的) |
tier2 PHONE_CTX_REGEX |
{7,25} |
❌ 无 |
{7,25} 是字符上限不是数字位数上限 —— 遇到更长的串就从中间切断。
ISSUE-0128 记的正是这个病,但只在 wa 通道修了。第八次同源零闸。
修法¶
三层的上限提到 {7,100}(不再靠上限截断),改用负向断言
(?![\s\-()./]*\d):跳过分隔符后不得再有数字。
这允许号码后面跟文本(Tel: 0711 486860 Mo-Fr 9-18 里 Mo 不是数字,断言通过),
但不允许在数字串中间切开。
🔴 第一版被 dshf 判 NO-GO:断言太严,真号后紧跟数字流时整段拒收¶
这是德语网页常见形态(Tel: <座机> Mobil: <手机> 的标签被剥掉后就长这样)。
语料里 0 命中,所以「漏抓真号 0」只在语料口径成立 —— 形态本身是真实的。
「整段拒收」是把边界判断失败降级成了全部丢弃。
第 5 轮返工:德国移动子集仍无独立边界证据,撤回切分¶
后段以 015/016/017 开头且切点唯一仍只是形状证据,无法区分:
🔴 结构库也救不了 —— 主控独立复跑证实¶
执行方称 libphonenumber-js/max 判不出边界。主控独立复跑,结果比它说的更狠:
"0711 486860" valid=true FIXED_LINE +49711486860
"0711 486860 2024" valid=true FIXED_LINE +497114868602024 ← 焊了年份,仍"有效"
"0711 486860 (2024) 0" valid=true FIXED_LINE +4971148686020240 ← 更长,仍"有效"
"0711 486860 0" valid=true FIXED_LINE +497114868600
"0171 2024 10 31" valid=true MOBILE +4917120241031 ← 一个【日期】被判成有效手机号
德国开放编号计划(open numbering plan)允许可变长用户号 ⇒ 任何长度都"有效", 合法性元数据在结构上就回答不了「这一串在哪结束」。
⇒ 字符串层做不了,结构库层也做不了。这一族的正解只能是 DOM / 标签信号。
⇒ 删除德国移动切分子集,所有无标签空格连写恢复整串 []。有闭合括号或
EUR/€ + /Min 标签的尾注才有独立语义边界,可以保留前面的真号;裸年份尾流
既不能证明应剥离,也不能安全落地,整串拒收。
产品取舍的依据(记档)¶
外贸用户会直接打电话或 WhatsApp 群发;多抓一个假号可能联系无关第三方, 带来投诉、品牌损害、合规风险和 WhatsApp 风控,而漏号虽然降低覆盖率, 但不会主动触达错误对象。
⇒ 模糊形态一律“宁漏”。长期解法是保留 DOM 字段边界 / Tel: Mobil: 标签,
而不是继续扩大无信号切分。
效果¶
Tel: +49 711 486860 0171 1234567 → [] ⚠️ 宁漏,待 DOM/标签信号
Tel: 0711 486860 0171 2024 10 31 → [] ✅ 不产日期假号
Tel: 0711 486860 0.20 EUR/Min → ["0711 486860"] ✅ 点号资费保留真号
Tel: 0711 486860 (2024) 0,20 EUR/Min → ["0711 486860"] ✅ 明确尾注被截断
Tel: 0711 486860 2024 → [] ⚠️ 裸年份宁漏不造号
🔴 顺带清掉一批老噪音:真实语料 111 → 75¶
36 页企业 HTML 快照,主控独立复现(不是信执行方报告),且两路审查各自独立复现:
| 类别 | 条数 | 例 |
|---|---|---|
| SVG path 数值 | 30 | 0 4.1566.84285、1.5681.45672、12 20 12 20 |
| 截断前缀 | 4 | +46 70 721 10(完整 +46 70 721 10 08 仍在) |
| 重复残片 | 2 | 4 73 32 20 00(完整 (33) 4 73 32 20 00 仍在) |
漏抓真号 0 —— 逐条核对 HTML 上下文,6 条截断前缀/残片对应的完整号一条不少。
其中 0 4.1566.84285、0 2.7793.34348 正是 ISSUE-0116 注释里点名的坐标残片 ——
它们此前是被 tier2 从 SVG path 长串中间截出来的。
证据¶
全量 1037 全绿、tsc rc=0、基准集误杀 0、语料 111→75 漏抓真号 0。
两路独立对抗审(dshf + terra-dsh,不同 DSH_HOME、同一只读快照)。
证据边界¶
- 🔴
Tel: <座机> <手机>无字母分隔连写全部返回[]。字符串层没有独立边界证据, 该族待 DOM/标签信号;这是有意宁漏,不是仍待扩大的正则子集。 - 裸
19xx/20xx尾流同样整串拒收;括号年份和带币种/分钟单位的资费才截断并保留前号。 - 「漏抓真号 0」是语料口径 —— 36 页企业站里 0 命中该形态,不等于真实用户数据里没有。
- 未在真实 Chrome 扩展里端到端跑过。