2 Commits

Author	SHA1	Message	Date
浅念	74c2915f25	fix(site-import): extract 清洗未闭合块/style 守卫/logo 日期钉位 ... 评审收口三项：clean_html 配对块清理后兜底删 EOF 未闭合块（>500KB 截断防 script/style 泄漏误判 is_thin，顺序钉死配对先行）；style 属性 正则补 \s 守卫（data-style 不参与配色计数）；FIXTURE_WP 旧日期 logo 前置使日期优先真被甄别（首现即胜的伪绿不再成立）。 Co-Authored-By: Claude Code <noreply@anthropic.com>	2026-10-20 19:06:57 +08:00
浅念	00614876d8	feat(site-import): HTML 清洗与抽取纯函数 ... spec §3.1 Task 3：clean_html（去 script/style/nav/footer/header/注释 + 空白折叠 + 8K 截断）、extract_color（内联 style+CSS 合并计数，白黑灰 排除，平票首现）、extract_logo_url（/YYYY/MM/ 日期新者胜出）、 extract_contacts（wa.me 归一 E164 + mailto）、find_residue（模板残留 清单）、discover_links（同源绝对化去锚去询，关键词稳定排前）、is_thin。 零新依赖（stdlib regex），纯函数无 IO，15 测试钉位。 Co-Authored-By: Claude Code <noreply@anthropic.com>	2026-10-20 18:51:04 +08:00