那七个字不是最长的动作词，是「在第一个链接前刹住」 —

广播的第一句是动作：「看过」「收藏游戏到豆列游戏购买小账本」「上传了 17 张照片到《寂静之人》的相册」。抽取器给它设了个七个字的上限，而七这个数看着很有道理——收藏图书到豆列 正好七个字，像是量过最长的那一个。

它不是。它是「在第一个链接前面刹住」：

收藏游戏到豆列 <a href="…/doulist/45473911/">游戏购买小账本</a>
上传了17张照片到 <a href="…/game/30246116/">寂静之人</a> 的 <a …>相册</a>

而链接里装着的，正是这句话的宾语。七个字之所以够用，只是因为豆瓣习惯把宾语做成链接——换句话说，那个上限一次都没有真的截断过谁，它只是恰好长在豆瓣的排版习惯上。

先量，而量出来的结果否掉了本来要做的那件事

本来的打算很直接：33 条广播完全没有动作，把上限从 7 放宽到 18 就全接住了。量完之后这个方案自己就废了——18 个字能接住那 33 条，代价是给其中 11 条写进垃圾：

"喜欢
      
:"        真正的动作是「喜欢」，那个冒号是它与引文之间的分隔符

另有三条把作品名嵌进了动作里——同一个动作会因作品而异，而作品名本来就单独存着一份。一个数字治不了四种形状。

所以判据换成结构：从人名链接之后，切到内容开始的地方（<blockquote>，或者正文容器的收尾，谁先来算谁）。

剩下那两条是日记广播，豆瓣压根没写动作词，空着才是对的。

61 条广播一直没记下收藏到了哪个豆列——豆列名在被切掉的那个链接里。

25 条修订是凭空捏造的。 26 条广播各有一条第二修订，而两条之间的差别只有一个冒号的宽窄：老页面写 说:，新页面写 说：。豆瓣四年间改了自己的排版，而这个记录类型的全部前提是「发出去就不能改」。收掉结尾那个冒号，它们自己就合并了。

留在 59 不动，等于给 46 次真的抽取器退化预先放行——那正是这条断言存在的理由。

站点上那条光秃秃的「：」和那个断掉的「写了《」 （后面什么都没有）也是这么来的。

动作词有 12 个是标记动作（看过、想读、玩过……），解析器靠它查出这条广播对应的状态。查不到就写空——而「这条广播没有状态」与「这条广播不是标记」在数据上分不出来，一条标记事件会就此静默消失。所以那一列单独测、单独量：3265 → 3265。

测试全绿的时候它们都在。

把标签换成空格，怕「到豆列」和「游戏购买小账本」粘成一个词。那个担心是编的：浏览器渲染行内 HTML 本来就是「去标签 + 折叠空白」，该有空格的地方豆瓣源码里就有。换成空格反而造出页面上没有的空格—— 写了《千と千尋の神隠し》的讨论，书名号里凭空多两个。
去掉结尾冒号后留了个尾随空格（喜欢 : → 喜欢 ），同一个动作于是有了两种写法。

收藏游戏到豆列游戏购买小账本——它在豆瓣上三个词都能点，在站点上却是一句死的话。所以动作照旧存整句（状态表按它精确查），另存一份结构化分段，把链接留下来。

这份分段带一条不变量：把每段的文字依次拼起来，逐字等于那句动作。有它，消费者重建带链接的句子不需要任何匹配；没它，就只是又一次子串匹配—— 而拿整句去匹配靠的是两边实体解码分毫不差，对不上时是静默的 （链接不出现，不报错）。3423 条真实广播上验过：0 条拼不回去。

判据是「这一类东西我们收不收」，不是「本地有没有」。作品、豆列、长文是这份存档要替代豆瓣的东西，接不回来说明档案缺了它，给个站外链接等于把「缺了」粉饰成「在那边」；而作品相册里的照片明确不在收录范围内，指出去才是诚实的。

正则必须钉到结尾，这是测试当场抓到的：作品的网址是相册与讨论的前缀（…/game/30246116/ vs …/game/30246116/photos/）。不钉的话相册被认成作品，走「要收录的那一类」，本地没有就不给链接——相册链接静默消失，正是这个功能要修的毛病。

给广播加豆瓣永久链接时顺手量了一下，结果是它大部分时候都在变，两个轴，都与内容无关：

追踪参数   …/status/4088086916/?_spm_id=ODIxNjA4NzE   base64 解开就是 uid
用户段     /people/mewcatcher/  ←→  /people/82160871/   同一个人的两种写法

两个都归一化之后，0 / 3440 再变。不处理的话每次重新生成站点都有 2827 条链接无缘无故改写——而这个项目是靠读 diff 确认「这次只改了该改的」的，那种噪音会把真改动埋掉。

归一化放在投影层，档案里存的仍然是页面上原样写着什么——投影本来就是有损缓存，而抓下来的字节一个都不许改。

站点 diff：125 页改动，0 新增 0 删除，全部是行内文字。