正文里的原生视频能播了,纯链接原帖照原样保留,日报多了「安静的时段」
正文里的原生视频恢复播放:以前清洗可能留下一个空播放器或去掉播放控件,现在会自动补上控件、去掉空壳;视频文件仍由浏览器直连原站,本站不转存。已经丢掉的媒体地址无法从存档恢复,新抓到的正文会按信源说明正常保留。
没有正文或只有链接的帖子不再被模型补一段译文:原文的链接、图片和引用照原样展示,也不调用写作或翻译模型。来源允许展示全文时,纯图片的帖子同样能显示。
日报多了「安静的时段」:某个时段里有资料经过评判、但确实没有新大事时,照常出刊并说明这段时间没有新大事,不再整天缺席。反过来,如果一个时段里根本没有资料经过评判,那仍然算采集或判断出了问题,会按失败处理,不伪装成平静的一天。
正文提取更接近浏览器的实际效果:行内样式(比如 display:none)隐藏的内容不再被当成正文;属性里带引号时,引号前后的文字不再丢;嵌入页、分享页这类地址不再被误判成图片。
来回读同一批内容更快:退回已经看过的列表不再重新请求数据,搜索也不再重复下载整页,只保留正在执行的那次查询;事件的召回和公开读取对数据库的压力更小。
时间更可信:某条资料的日期格式坏掉不再让整批处理中断;英文日期的判断不再受服务器时区(夏令时)影响,已收录的历史资料仍支持按官方来源安全纠正。