豆备 开发日志
做了什么、为什么这么做，以及撞上的坑。 更细的改动记录在 Git 提交历史 里。
-
走的时候不用求谁
导出到 NeoDB、Letterboxd、Goodreads 做完了。原先写着「要先和 NeoDB 维护者谈」——那是把 API 当成唯一入口时的判断。
-
抓完之后，先让你看见自己的东西
扩展 1.2.0：档案页多了「查看内容」。抽取器是从解析器仓库整份抄过来的，不是另写一份——那 220 行适配代码买的是只有一份实现。
-
验一验：能不能读将来的档案
规范给读者立过两条义务，而在此之前没有任何东西验证过它们。以及过程中两次写出了恒真的断言。
-
私密的那一份，目录页上也得带锁
豆列渲染进站点。以及一份名单抄在三个入口里，加东西时漏改两处——不报错，只是少了几十页。
-
豆列：值钱的不是清单，是你写在每条上的那句话
扩展 1.1.0 开始抓豆列。以及一份豆列被别的豆列翻到头给停掉了——一个真的静默截断路径。
-
上架当晚，别人替我逮到了两个 bug
三处全都需要一个和我不一样的账号、或者一次和我不一样的操作。装的人多一个，样本就多一个。
-
1.0.0，以及上架
装法从「clone 整个仓库」变成点一下。以及四条在浏览器里从来就没成立过的测试，是 Node 一直宽松才让它们绿着。
-
「导出之后可以放心删掉」——这句话得等到导入做完才诚实
导入做出来了。它必须成为第二条能写档案的路径，于是回头问那条「只能有一条」的规矩到底在保护什么。
-
打了分的广播，正文一律没抓到
2200 条只抽到 789 条，漏掉的 1411 条每一条都带评分。以及广播里那颗星：一份豆瓣自己都不保留的评分变化史。
-
又名是搜索里最值钱的一栏
记得《重返沉默之丘》而不记得《寂静岭2》的人，没有又名就什么都搜不到。而按裸斜杠切开会存下 176 个不存在的片名。
-
两个整整齐齐的零
音乐 84 条标记 0 条短评，舞台剧 5 条也是 0 条。一句告警都没有——因为「这条本来就没写短评」是合法的。
-
一按「开始抓取」就报错：那个 API 在这里根本不存在
档案里写着「这是哪份代码抓的」。那个数字曾经有三份互不认识的副本，全都写死成 0.0.1。
-
双击 index.html，那就是你的豆瓣
站点生成器做完了，sample.doubak.com 上线。以及一个把用户自己写的字悄悄吃掉的 bug。
-
解析器能跑了，以及两个只有换种跑法才会露出来的 bug
豆瓣改演员表被记成「你编辑了这条标记」，页脚的浏览计数变成了编辑历史——两个都不报错，产出看起来完全正常。
-
照片永远不会在增量抓取里出现
增量只看水位线以上，而照片是从广播页面派生的。补抓那一趟：重读 176 个已存页面，抓下 121 张图，零个页面请求。
-
最不可替代的那批字节：自己上传的图
广播附图有三种写法，一个都猜不出来；以及第四次犯同一个错——从手上的样本推出一个封闭集合。
-
公开测试开始：豆备 0.0.1
能跑什么、不能跑什么，以及为什么在还缺一块的时候就开放测试。
-
档案里第一次有了真的图片
作品封面进档案，bundle 格式随之升到 1.1：surface 多了一个 asset。
-
一堆档案不等于一条链
增量抓取上线，以及一个把四次独立全量误接成一条链、把完整性说成「已验证」的 bug。
-
豆瓣的封禁页也返回 200
拿 6341 个真实页面校准判定器，以及豆瓣把「我的广播」改名成「我的动态」那天。
-
豆瓣自己报的数量，不能用来证明抓全了
同一次抓取里，电影的计数是准的，游戏的计数少了 5 个——而且缺口在列表中间。
-
为什么是 WARC 和 JSON Schema，而不是 protobuf
上一版这个项目用 Go + Bazel + protobuf 写的。这一版全部推翻了，理由是 2040 年。