跳转至

这一批更新你会看到什么

15 个版本(v0.10.180 → 194)。下面只写你能看见、会影响你怎么用的部分。

一、设置页整个重排了

打开设置,第一眼就是一键配置(保守 / 平衡 / 激进)。以前它排在第三,前面挡着 「显示比例」和「质量分权重」—— 一个改一次一辈子不动,一个跟采集没关系。

现在的顺序:

① 一键配置(推荐先点这里)
② 基本设置        搜索语言、国家怎么写
③ 数据过滤        去重 / 必填 / 质量阈值 / 🔴 会删数据的开关
④ 质量分          只影响列表排序,不影响采集什么
⑤ ▸ 高级 · 地图抓取     Tab 并发、实开间隔、翻页并发
⑥ ▸ 高级 · 网站抓取     抓取并发、间隔、超时、域名黑名单、多阶段
⑦ ▸ 高级 · 爬取范围     挖掘深度、跟不跟子域、关键词、跳过资源文件
⑧ ▸ 高级 · 内容提取     邮箱 / 手机 / 社媒的正则与黑名单
⑨ ▸ 高级 · 诊断与稳定性  健康巡检、响应快照
⑩ 显示比例

⑥⑦⑧⑨ 以前全挤在一个折叠区里(446 行,比前面五张卡加起来还长)。

跟着变的几处

  • 顶上的「本地设置 / 云端设置」两个页签现在固定在顶部,往下滚也不会跑掉
  • 设置页不再显示顶部那排统计数字(商家总数 / 邮箱总数 …)—— 那是数据页的东西,点一下还会跳走
  • 「跳过无邮箱商家」单独放在红框里,标着「⚠️ 会删数据(整行删除 · 不可恢复 · 没有回收站)」。它以前和「完全重复商家去重」长得一模一样
  • 社区共享搬到了「云端设置」页签,和云备份放在一起。 v0.10.196 起它改叫「来发信数据池」——「社区」没说清数据到底进了谁手里, 这个池子就是来发信的,直说更好
  • 🔴 v0.10.196:「云端 API 地址」这个输入框删掉了。 它原本给自建服务端的人填,但你的登录凭据会随请求发往你填的那个地址 —— 只要是 https:// 开头,填谁的地址都会照发。 插件不上架、用的都是自己人,没人会自建服务端,这个框留着只会被人骗着填。 现在写死走官方地址;你以前填过的值不会被删,但也不再被使用(日志里会有一条提示)

一点五、v0.10.197:说明文字收进「❓」了

设置页以前每个输入框下面都挂着一两行小字解释,十张卡滚下来六屏, 真正要改的那个框反而被埋在中间。

现在大部分说明收进了输入框右边的 ❓ 图标 —— 鼠标移上去就显示, 点一下可以钉住(再点或点别处关掉)。

但有几条我们故意没收,仍然常亮,因为它们看不见就会出事:

  • 「跳过无邮箱商家」那条 ⚠️ 不是勾选后立即生效
  • 「最低评分」「最少评论数」—— 这两条会让商家直接不入库,而且没有评分/评论的商家也会被一起跳过
  • 「评分门槛」「评论数门槛」—— 这两个只加分,不删任何商家(和上面两个名字像、作用相反)
  • 响应快照的「脱敏」—— 关掉后本地日志会留下原文邮箱和电话

两大块「共享队列架构」的说明(原来各占大半屏)也收进了折叠区标题旁的 ❓。

卡片间距也收窄了一点。整页大概短了三分之一。

一点六、v0.10.198:修掉 ❓ 的两个毛病 + 缩放不再错位

上一版的 ❓ 有两处做坏了,这版修掉:

  • 点开关旁边的 ❓ 会把开关翻掉。这个必须说清楚:v0.10.197 里, 你想看某个开关的说明去点它旁边的问号,开关会被静默切到反面 (因为问号被放进了开关的标签区,而点标签等于点开关)。 如果你用 v0.10.197 点过问号,去确认一下那几个开关的状态。
  • 「点一下钉住」其实没生效。点完鼠标一挪开浮层就关了,图标却变了色, 看起来像钉住了。现在是真的能钉住 —— 再点一次或点别处才关。

缩放(右上角显示比例)的两个问题也修了:

  • 调到 90% 以下时,页面底下会空出一大块
  • 缩放后问号的说明浮层会飘到旁边,不贴着问号

输入框宽度:填秒数、并发数这些数字的框原来横着占满整行, 一个「1」占三分之一屏。现在收窄到合适宽度,一行能并排放下几个。

二、两个一直在误导你的提示,修掉了

「最近 100,000 条的采样数」

以前只要正在采集,数据页就会弹这条提示,哪怕你只有 129 条数据。

它说的话是假的:那时候你的数据全都在统计范围内,chip 的筛选结果是准确的 —— 提示却在告诉你别相信它。

现在只有数据真的超过采样上限才会出现。

「已挖掘 + 待挖掘」加不出「全部」

比如 全部 839 | 已挖掘 100 | 待挖掘 738,差 1 条。

这是正常的:差额是正在挖掘中和挖掘失败的商家。现在提示里写明了, 并且如果有抓取失败的商家,chip 下方会多一行灰字告诉你有多少条、它们不计入上面几个数字。

三、一个安全问题

扩展的后台脚本(478 KB,包含内置黑名单、云端地址、抓取策略、反爬手法) 以前任何网页都能读走。已经收紧 —— 现在只有真正需要被网页访问的那一个脚本是开放的。

这不是理论风险:这个扩展会主动访问目标站点,被采集方只要在自己站上放一行代码, 就能拿到完整的反爬对抗实现,然后照着写针对性拦截。

四、新增:设置导入导出

设置页右上角多了两个按钮。

  • 导出设置 → 存成一个 JSON 文件
  • 导入设置 → 选那个文件 → 确认 → 全部设置还原

⚠️ 导出的文件里含你的私人配置(自建服务器地址、自定义黑名单等)—— 这是刻意的,脱敏之后换机器就还原不了。导出时会弹一条提示,点名告诉你带走了哪些。 别随便把这个文件发给别人。

导入会覆盖全部设置(包括那个会删数据的开关),所以必须点确认。 确认框里会告诉你有多少项没对上(比如文件来自更老的版本、缺了新增的字段)。

五、一键配置不再动「挖掘深度」了

以前:你在「爬取范围」里把挖掘深度调成 2,回头点一下「平衡」,深度静默回到 1。

现在三档预设根本不碰它。三档的差别是快慢和风险,而挖掘深度是挖多深 —— 那是你对目标站结构的判断,跟快慢不是一回事。

六、修了一个从来没生效过的功能

「⑨ 诊断与稳定性」里的响应快照:它记录「抓到了页面却一个邮箱都没抠出来」时那页的开头, 让你能判断是被反爬拦了、还是这站真没邮箱。

但它只在「多阶段抓取」开启时才会记录,而多阶段默认是关的 —— 所以这个开关一直开着,却从来没记录过任何东西。

现在如果多阶段是关的,快照那里会有一条橙色提示告诉你这件事。


想试试提速的话

「⑥ 高级 · 网站抓取 → ⚡ 多阶段抓取」目前默认关闭,它是实验性功能, 开启后预期官网抓取快 1.8 倍(先用轻量请求探一下,死站/反爬/真没邮箱的不开 Tab)。

建议这么试:

  1. 打开多阶段抓取
  2. 跑一个小任务(几十个商家)
  3. 跑完看两件事:
  4. 邮箱数量和平时同规模的任务比,有没有变少
  5. 日志页 → 响应快照:现在会有内容了,看三种原因各占多少

🔴 如果邮箱数量掉了,立刻关掉并反馈 —— 那说明轻量探测误判了「真没邮箱」。