Kanbox-一个分享链接怎么变成收藏（二）

上一篇介绍了 Kanbox 现在能做什么。这篇写的是怎么把一个分享链接变成收藏。

最容易想到的做法是请求网页，再读标题和封面。但拿到页面以后，问题才开始：有的正文在 HTML 里，有的放在一段 JSON 中，有的返回登录提示，还有的分享地址只是用来打开原 App。

目前这部分代码主要在 LinkResolver.swift 和 Parsers.swift。这里以小红书、豆瓣、小宇宙和 GitHub 为例，讲的是当前实现，不涉及绕过登录或访问权限。

先从分享文案里找出链接

从其他 App 复制过来的经常不是一个干净网址，而是这样一段文字：

伊斯坦布尔的窗户有魔法！📷 我好像拍到了一扇扇通往...
https://xhslink.cn/o/2PMVMYCtPdE
来【小红书】围观这篇笔记！

解析入口先抽出 HTTP 或 HTTPS 链接，也处理没有协议头的裸域名。链接后面多出来的中文句号、引号和括号要清掉，不然它们可能被编码进地址，最后请求到一个不存在的页面。括号又不能一律删：网址本身可能就带一对括号，只处理多出来的那个。

剪贴板也有区别。有的 App 写入纯文本，有的只写入 URL 类型。现在的顺序是先找带链接的文本，再看 URL 和系统识别出的网页地址。有分享文案时尽量保留整段，因为链接前面的文字还能补一个标题。

提取这个标题不需要联网。页面没抓下来时，至少还知道刚才存的是什么；网络结果有标题，就用网络结果。链接后面的“来某某 App 看看”不拿来当标题。

先清理多出来的标点，不能把网址里本来合法的括号删掉。分享标题先作为本地兜底，网络拿到了标题再用网络结果。

抓到页面，再决定交给谁

小红书短链和一些分享地址会跳转。请求跟随重定向后，用最终域名选择解析器，原始地址和最终地址分别保留。

网络请求和字段提取是分开的。LinkResolver 负责请求、补充数据和失败处理，平台解析器接收 HTML，返回统一的 ParsedContent。这样改小红书字段时，不必同时修改网络层，也能把一份保存好的页面交给解析器做测试。

普通网页没有专用解析器时，先读结构化数据和标题、摘要、封面等元信息。Open Graph提供的就是这类预览信息，拿到它不代表拿到了完整文章。

对文章页，代码会尝试抽正文：优先找 <article>，去掉导航、页脚和脚本，再按文字量、标点和链接密度挑内容块。某些动态网页只有外层页面结构，需要在隔离、无登录态的 WebKit 中等页面加载后再读正文。这条通用处理路径不会套到已有专用解析器的平台上。

请求、平台分派和字段提取分开。专用平台解析器不套通用正文提取；普通网页先读预览与结构化数据，动态正文才尝试隔离、无登录态 WebKit。

四个平台，四种处理方法

小红书：封面之外，还要拿到整组图

上一篇那组伊斯坦布尔照片有 11 张图。只读一个封面字段，收藏里就只会剩一张。

当前解析器优先读取页面初始数据里的笔记对象，从里面取标题、作者、正文、话题和有顺序的图片列表。图片去重时保留原有顺序，不用一个无序集合直接代替。

明确的降级条件是：页面有 window.__INITIAL_STATE__，却找不到笔记对象时，不继续把首页 Logo 当成笔记封面。返回的可能是登录页、笔记已删除后的页面，或者只有页面框架、没有正文的结果。此时保留链接，并留下解析说明。

没有这段初始数据的个别页面，才继续看预览标签。拿到一张带“小红书”字样的图，不足以证明这条笔记已经解析成功。

视频另外处理。页面可能给出媒体定位，但能否播放还要在使用时检查；一个地址过期，也不应该导致已经存好的标题和正文一起丢掉。

重点是有没有这条笔记的数据，而不是网页上有没有一张图。图片列表保留顺序；缺少笔记对象时留下链接和说明，不能拿首页 Logo 充当封面。

打开“伊斯坦布尔的窗户有魔法！”这条收藏，图片查看器显示第 1 张，共 11 张，并列出这张 JPEG 的尺寸和大小。它展示的是笔记里的原始图片，不是另做的分享卡；整组图片拿到后，才有逐张浏览、保存和分享的入口。截图来自博客专用模拟器中的公开链接样本。

豆瓣：分享地址不一定是资料页

以《三傻大闹宝莱坞》为例，从 App 分享出来的是：

https://www.douban.com/doubanapp/dispatch/movie/3793023?dt_dapp=1

这个 dispatch 页面主要用来跳转。当前代码识别固定的类型和数字 ID，再请求豆瓣自己的公开移动条目页：

https://m.douban.com/movie/subject/3793023/

电影名称、简介、海报、评分和基本资料从条目页读。演职员列表不是静态页面里现成的一整段文字，还要补查该移动页面使用的公开接口。补查失败时，保留已经读到的电影资料。

这里不能把分享链接参数中的任意地址直接拿来请求。现在的映射限定在豆瓣域名、已识别路由和数字 ID 内。下架或错误页也不能因为有一张导航图，就被当成电影资料。

只识别豆瓣域名、已知路由和数字 ID。先保存条目资料，再补查演职员；第二次请求失败，不把已经拿到的电影资料清空。

小宇宙：节目说明和音频分别保存

小宇宙的单集页里，__NEXT_DATA__ 通常比页面摘要更完整。当前代码从 episode 对象读标题、shownotes、节目名称、封面、发布时间，以及页面提供的音频地址；能拿到单集 ID 时，也会核对是不是正在请求的那一期。

shownotes 中的段落和列表会整理成可读文本，而不是把 HTML 标签原样塞进收藏。没有这份数据时，再尝试 PodcastEpisode 结构化数据，最后退到页面元信息。

音频放在 audioUrl，不放进 videoUrl。它们可能都能用播放器打开，但在收藏列表里不应该显示成同一种媒体。

标题和说明读到了、音频没有读到，也可以留下这期节目，只是要明确提示缺少在线播放地址。有音频地址同样不等于已经离线下载，播放时仍可能需要网络。

按单集 ID 核对身份，先读 episode 数据，再尝试结构化数据和页面预览。音频缺失仍能保留这期节目，但不能显示成已下载，或塞进 videoUrl。

GitHub：不用文件列表冒充 README

仓库网页里有导航、文件列表和 README 容器，直接把大段 HTML 转成文字，未必能得到有用的项目介绍。

Kanbox 先确认仓库身份和页面预览，再分别请求仓库资料接口与 README 接口。公开仓库可以走匿名请求。仓库资料用于补简介、语言、主题、许可证和统计，README 单独保存。

返回结果还要核对 owner 和仓库名，避免把别的项目合并进来。README 也设了长度限制，截断时留下标记。API 受限或 README 没取到，已有的仓库预览不会被清空。

这部分目前针对仓库根地址。一个 Issue、文件页或其他 GitHub 路径，不能直接当成仓库根页面处理。

先确认仓库身份，再分别补资料与 README。返回结果要对上 owner 和仓库名；API 受限时仍保留预览，不用文件列表假装 README。

解析失败后，收藏怎么留下来

统一的解析结果里有 isResolved 和 note 两个字段。前者表示解析器是否拿到了可用结果，后者记录缺少媒体、需要登录等情况。两者要一起看：isResolved = true 也可能只是解析出部分内容，不是所有字段都齐了。

断网、超时或页面不可访问时，解析层返回只包含链接等基础信息的结果，带上失败原因；如果分享文案里有标题，再补进去。设置页的解析统计也会区分带说明的部分结果和无说明的成功结果。

HTTP 错误要先挡住。403 或 404 页面也可能有标题和整段 HTML，不能因此把“Access Denied”存成文章标题，并把失败标记清掉。

单次页面响应最多读 3 MiB，读到上限就停止传输，不是先下载完整文件再截取。请求超时配置为 20 秒，资源超时为 30 秒；这些限制针对单次网络请求，补查资料的整个过程不保证在 20 秒内结束。

解析失败和保存失败也得分开。系统分享扩展把结果写入 App Group 的待入库队列，一条内容一个文件，原子写入后回读确认。主 App 激活后再写进 SwiftData，确认保存成功才移除队列里的那一条。写队列或数据库失败，仍然要报错，不能因为解析器返回了结果就提示“已保存”。

解析失败可以保留链接，但保存动作本身失败仍然要报错。只有 SwiftData 保存确认后，才删除对应待入库文件，不能“网络有返回”就提示已保存。

重新解析，不把用户的修改冲掉

详情页有手动重新解析入口。它会重新请求网络，不是重复展示上一次失败的结果；已经解析过的内容也能用它刷新失效的媒体信息。

但重试不能直接拿一个新的结果覆盖整条收藏。用户可能改过标题、写过正文，也可能在等待网络返回时又编辑了一次。

当前做法是：请求前记下条目 ID、原链接和修订时间；返回后重新读取条目，确认没有被删除或改动，再应用允许更新的解析字段。用户的标题、正文、标签和收藏状态保留。新结果没有图片时保留旧图；有新的非空图片列表时，更新图片列表。

网络失败不写入，条目在等待期间发生变化也不写入。最后保存失败时，恢复应用这次更新前的内容，再提示重试。

媒体地址也有有效期。比如 Instagram 的部分视频地址带签名，播放或保存前会重新读取同一条内容的 embed 页面；这和重新解析整条收藏是两件事。官方 HTML 播放器、稳定原帖地址和实际视频文件，也不能因为都放在播放相关字段里，就一律当成可下载的文件。

请求出去后，用户可能又改过内容。返回时重新读取和比较身份、链接与修订时间；不满足条件就不写，保存失败则恢复这次更新前的内容。

测试里要留下哪些页面

工程里已经有页面样本解析测试和模拟网络测试。小宇宙测试检查 shownotes、音频字段与不可信媒体域名；GitHub 测试检查仓库身份匹配和 README 截断；网络层测试检查重定向、3 MiB 上限、第一次失败后的新请求，以及带 HTML 的 HTTP 错误不能变成成功结果。

这些测试能检查字段提取和代码边界，不能保证平台下一次改版后仍然可用。遇到失效链接时，还得看实际返回的是正常内容、登录提示、空页面，还是错误响应。修改解析器以后，需要同时检查旧样本和新的实际页面。

保存页面样本便于稳定检查字段，模拟网络能覆盖错误和重试；平台实际返回值仍可能改变，需要新页面检查。没有把测试通过写成平台永远可用。

目前先这样处理：能读到多少就保存多少，缺了什么留下说明，再给用户一个不破坏旧内容的重试入口。平台限制仍然存在，这篇记录的是 2026 年 10 月 2 日的实现，不把页面内的数据结构当作平台承诺长期提供的 API。