doubak-extension

中文 · English README

这是源码仓库。 想了解这个工具是什么、能做什么，去 https://doubak.com； 想看它生成出来长什么样，去 https://sample.doubak.com。

豆备 (Doubak) 的浏览器插件，整个项目的所有功能都可以在这个插件里找到入口。

它在你自己的浏览器、用你自己的 IP 和节奏抓取豆瓣，把页面原样存成标准 WARC 档案。登录凭据和会话 cookie 不离开你的设备。验收标准是：把服务器关掉，插件依然能产出一份完整可用的本地档案。

抓完之后不用再装任何东西：「导出」页当场把档案算成结构化数据、NeoDB 导入包、 或者一棵 Markdown 站点（图片一并导出）。用的就是下游那三个仓库的同一份代码 （src/vendor/，逐字节拷贝 + CI 查新鲜度），所以扩展出的东西和命令行出的东西是同一个东西。

v1.0。 全量与增量抓取都对着真实豆瓣跑通了，图片（自己上传的、作品封面）、 长文正文、豆列、导出与导入都在里面。相册与移动应用（app）都明确不做， 但理由不是同一个：app 是上游已废弃，相册是那些照片属于条目而不属于你的档案 ——见下方「现状」。

文档

• DESIGN.md —— 功能规划、抓取边界模型、三份实测附录
• docs/toolchain.md —— 工具链选型与理由
• docs/ui.md —— 界面设计：说什么话、怎么显示进度才不撒谎
• docs/permissions.md —— 权限审计：声明了什么、刻意不要什么、 以及「哪个执行上下文有哪个 API」那张咬过人的表
• docs/release.md —— 怎么发一个版本，以及版本号为什么值得小心
• 档案格式定义在另一个仓库：doubak-data-specs

开发

零依赖、零构建步骤。仓库里的源码就是浏览器里跑的东西。

npm test                       # 跑测试（Node 内置的测试运行器，不需要 npm install）
node tools/package.mjs         # Chrome / Edge 的 zip → dist/doubak-<版本>.zip
node tools/package.mjs --firefox               # AMO 的 zip → dist/doubak-<版本>-firefox.zip
node tools/package.mjs --list  # 只看会打包哪些文件
node tools/package.mjs --stage dist/unpacked   # 摊成一个可直接加载的目录
node tools/make-manifest.mjs   # 重新生成 manifest.firefox.json（--check 只核对）

需要 Node ≥ 20。

两个包，同一份文件名单。 差别只有 tools/package.mjs 的 TARGETS 表里那三格： 用哪份 manifest、文件名后缀、去掉哪两个在 Firefox 上永远走不到的文件 （host-offscreen.js 与 offscreen.html）。manifest.firefox.json 是算出来的， 手改会被测试打回——它与 Chrome 那份分家的方向是「Firefox 那份少了一个新权限」， 症状是装得上、某个功能悄悄不工作。

装载到浏览器

四条路，装出来是同一个扩展。Firefox 用的是另一个包（-firefox 结尾的那个）， 两份 manifest 不一样，装错了是直接加载失败，而失败信息不会提到是拿错了包。

从 Chrome 应用商店装（多数人走这条）： https://chromewebstore.google.com/detail/hilmaopahndgbiolohgefnbeedobpafe （链接只写扩展 ID、不带名字那一段——带名字的形式在改名之后会失效）。Edge 也能从 这里装。

下一个发布版（不想走商店时）：从 Releases 拿 zip，先解压， 然后按浏览器分两条路——那两份都是商店的提交格式，收件人是商店，不是浏览器：

	拿哪个	怎么装
Chrome / Edge	doubak-<版本>.zip	chrome://extensions → 开发者模式 → 加载已解压的扩展程序 → 选解压出的目录
Firefox	doubak-<版本>-firefox.zip	about:debugging#/runtime/this-firefox → 临时载入附加组件… → 选目录里的 manifest.json

Chrome 那份与商店里的是同一个包：同一条 CI 打出来，时间戳清零，逐字节相同。 Firefox 的「临时载入」是字面意思，关掉浏览器就没了；但 OPFS 里的档案还在，下次 载入还能接着增量抓。AMO 上架之前只有这一条路（#11）。

从仓库直接装：Chrome / Edge 同样是「加载已解压的扩展程序」，选本仓库根目录。 这个项目没有构建步骤，源码就是浏览器里跑的东西，所以这条路一直有效——代价是它带着 test/ 和 docs/，不是分发出去的那份。Firefox 走不了这一条：仓库根上那份 manifest.json 是 Chrome 形状的，载入时 Firefox 直接拒绝，原话是

Could not install add-on: background.service_worker is currently disabled.
Add background.scripts.

先 node tools/package.mjs --firefox --stage dist/unpacked-firefox，再选那个目录里的 manifest.json。

试 main 上还没发版的改动：GitHub 的 Actions → package 里挑一次运行，下载 doubak-<版本>-unpacked（Firefox 是 -firefox-unpacked），解压 即可加载。里面只有运行时真正需要的文件。下载构建产物需要登录 GitHub（匿名取是 401），所以面向用户的地方一律指向 Releases。

发版流程见 docs/release.md。

浏览器自检

有些东西 Node 里测不到：OPFS、持久化存储许可、配额。装载扩展后打开

chrome-extension://<扩展ID>/selftest/index.html

点「开始自检」，它会在真实浏览器里跑：

• FileStore 契约（与 Node 里跑在内存实现上的是同一组断言），两遍——一遍直接对 OPFS， 一遍经由 Worker RPC（抓取真正走的是后者）
• IndexedDB 的 KvStore 契约（Node 里没有 IndexedDB，这是它唯一的真实覆盖）
• 完整的 bundle 写入与崩溃恢复
• 环境探测：持久化存储许可、配额、写入吞吐

跑完点「复制报告」拿到纯文本，[PASS] / [FAIL] 前缀，失败项汇总在开头。

手机浏览器：豆瓣发的是手机版，扩展会把它改回桌面版

装在移动版 Chromium（安卓 Edge、Kiwi 之类）上时，豆瓣按 User-Agent 里的手机标记 把每一条路线都跳到 m.douban.com：

www.douban.com/people/<u>/            → m.douban.com/people/<u>/
movie.douban.com/people/<u>/collect   → m.douban.com/people/<u>/movie/done
book.douban.com/subject/4820710/      → m.douban.com/book/subject/4820710/

而手机版那张页面（12.5 KB 的壳）上，登录标志与数字用户 ID 一个都没有， 于是抓取停在「无法判断登录状态」上——那句话过去不会说出真正的原因 （#12）。

所以扩展在这类浏览器上会装一条 declarativeNetRequest 规则，把发给豆瓣的 User-Agent 里那个手机标记去掉。三条边界：

• 只删词，不编 UA。 安卓 Chromium 去掉 Mobile 之后，得到的正是同一个浏览器 在安卓平板上发的那一个——同一系统、同一浏览器、同一份 TLS 指纹。规范里 「生产者不得伪造 UA」给的理由就是「伪造出的 UA 与指纹不一致，反而更容易被风控 识别」，而拼一个 (X11; Linux x86_64) 出来正好撞在那句话上。认不出的形状 （iOS 的 Mobile/15E148 是个带版本号的整体，删掉得不到任何真实存在的 UA） 一律不动，宁可不支持。
• Firefox 安卓不在覆盖范围内，而这不是「还没做」。 它的两种真实形态 （Mobile; / Tablet;）都会被跳到手机版，唯一能拿到桌面版的是货真价实的 桌面 UA——在安卓上发它就正好是上面那句禁令针对的东西。这个方案在 Firefox 上 不成立，留给 #11 在真机上定。
• 只改扩展自己发的请求（tabIds: [-1]）。你在标签页里逛豆瓣照样是手机版—— 在手机上多半就是想要手机版。这也是浏览器那个「请求桌面版网站」开关帮不上忙的 原因：它按标签页生效，而抓取跑在离屏文档里。
• 桌面浏览器上这条规则压根不装，发出去的 UA 与之前逐字节相同。

抓出来的档案会在 manifest.notes 里写明这件事；producer.user_agent 里记的 仍然是浏览器真实的那一个。调试页的「环境自检」表上有这两个 UA，可以直接核对。

这一条只解决内容那一侧：页面回到桌面模板，分类器与抽取器就都对得上了。 离屏文档在移动版浏览器上能不能扛住几小时的抓取，是另一个问题，还没有实测。

界面

点工具栏图标直接开面板标签页（已经开着就切过去）：

标签	内容
概览	各路线进度、抓不下来的页面（可重试 / 可确认收尾）、开抓前预检
覆盖率	合起来 / 这一份两个视角。默认合起来——增量之后完整性是整条链的属性
档案	档案的一切都在这一页：导入、导出、「验一验」、删除、用量；记录预览；标出新增 / 又抓了一次；跨链的版本历史。选中一份之后有两个互斥的视角——翻看捕获（生的：URL、判定、原始字节）与查看内容（熟的：解析成条目，看得见自己写的短评、广播、豆列评语）
日志	抓过的 URL、重试、停机、错误，存在本机、可复制
调试	演练（零网络请求）、小范围试跑、环境自检

现状

已经能跑的

模块	状态
脚手架、工具链、基础类型	✅
bundle 写入器（段轮转 / index / manifest）	✅ 产出通过规范校验器
崩溃恢复	✅ 真实 OPFS 上验证过
OPFS 存储后端 + Worker RPC	✅ 与内存实现共用一份契约测试
会话守卫、分类器、路线注册表、frontier	✅ 分类器对着 6341 个真实页面校准
抓取引擎、主循环、编排	✅ 对真实豆瓣跑通
offscreen 架构	✅ 抓取跑在 offscreen document 里，service worker 只调度
生命周期自恢复（心跳、崩溃哨兵）	✅
抓取状态持久化（IndexedDB）	✅
增量抓取	✅ 下界按路线沿链回溯（规范 §5.5）；有缺口的路线不提供下界，从头重走。抓过的作品页 / 长文正文 / 图一律跳过（见下）
完整面板	✅ 唯一的界面；popup 已拆掉（docs/ui.md §1.1）
bundle 读取器与「验一验」	✅
导出（File System Access）+ 回读校验	✅
导入（把导出过的档案搬回来）	✅ 认 bundle_id 而不是目录名；先列出「将要发生什么」再写；残缺 / 撞编号 / 别的账号一律不导
存储管理（列表 / 删除 / 配额）	✅ 并进档案页 —— 原来两页列的是同一批档案，只换了几列
「导出」页（canonical / NeoDB / Markdown）	✅ 三种产出共用一次解析，中间产物不落盘，直接写进用户选的文件夹
通知与角标	✅

路线覆盖

路线	状态
广播	✅
标记列表（书 / 影视 / 音乐 / 游戏 / 舞台剧）	✅
作品详情页	✅ 由列表页派生，受广播门控
日记 / 影评书评	✅ 列表页只有截断的摘要，所以正文页单独抓一遍；两种日记 URL 形状都认
用户上传的图片	✅ 广播附图与日记正文内嵌图，只取本人上传的原图
作品封面	✅ 随作品详情页抓，单独成段
相册	❌ 明确不抓（2026-09-06 定）。个人相册这个账号确实是「创建 0」；而传到作品相册里的照片属于那个条目，不属于你的档案——实测 17 条广播、51 张。宣布这件事的那 17 条广播照抓，照片本身不抓，见下
豆列	✅ 只抓自己编的（doulists/all）与每份的内容页。值钱的是条目上自己写的评语——实测 134 个条目里 62 条有
移动应用（app）	❌ 不支持，上游已废弃：列表页打得开，作品详情页全部 404（2026-08-14 实测）。你的 app 标记本身随广播照抓

还没做的

	为什么要紧
移动应用（app）	不在这张表上了 —— 它不是「还没做」，是上游没有了，见上面的路线覆盖表

已经不在这张表上的

相册从「还没做」挪到了「明确不抓」。原来这一行写着「这个账号一个相册都没有， 没有样本可量」——那句话是错的，而且错得很安静：个人相册的确是 0，但实测有 17 条广播写着「MewX 上传了 N 张照片到《寂静之人》的相册」，一共 51 张， 其中 46 张的缩略图早就躺在已抓下来的时间线页里。样本一直在，只是没人去数。

不抓是范围决定，不是抓不到：传进作品相册的照片是对那个条目的贡献， 跟着条目走而不是跟着账号走——所有人都看得见，保留与删除由条目那边决定。这正是 「用户创作内容与目录数据永远不放在一张表里」那条规矩，所以它归目录那一侧。 上传这个动作是你的，上传的东西属于条目：那 17 条广播（你写的那句话、日期、 指向哪个相册）照进档案，51 张照片不进。真要留是 enricher 之后的事，甚至不是 enricher。

写清楚而不是删掉，是因为「查过了，决定不做」与「还没做」必须分开——下一个人 照样会数出那 51 张，然后重推一遍这件事，而这里每一次「重查」都要对着真实豆瓣点。

长广播的全文这一条查下来根本不缺：实测 804 条带正文的广播里有 2 条被截断， 而两条的「（全文）」都指向日记，两篇日记本来就完整地在档案里。所以既不用重爬也不用 加路线，只是当时没人顺着那个链接看一眼。截断本身现在记在 canonical 里 （text_truncated + full_text_url）。在给「缺的东西」造一条抓取路径之前， 先确认它是不是已经在档案里的别处。

图片抓取（F-04e）与长文正文都做完了 —— 前者曾是「备份必须联网才能看」的病根。 一次完整的全量抓取也跑过了：4 小时 16 分、5880 条捕获、零失败。 中断续导（F-08i）也做了：导出被打断之后，再导一次只补缺的那些。 导入也做完了：换机器、清过站点数据之后，以前导出的档案搬得回来， 之后照样能增量抓取——否则「导出之后可以安全删除」这句话只成立一半。

测试：npm test（零安装即可跑，85 个测试文件、1888 个测试）。装了可选开发依赖后会额外用 webrecorder 的 warcio 独立验证 WARC 输出；同级目录有 doubak-data-specs 时会额外跑跨仓库一致性检查（规范常量的新鲜度、产出与校验器的一致性）。

发布到应用商店

• Chrome 应用商店：已上架 https://chromewebstore.google.com/detail/hilmaopahndgbiolohgefnbeedobpafe
• AMO（Firefox）：还没上架（#11）， slug 已定为 doubak。提交要用的那几样（扩展 id、联系邮箱、版本下限、上架地址该写成 哪个形式）在 docs/firefox.md，上架那天要改的几处也列在那儿。

完整流程（改版本号 → 打标签 → CI 建 release → 核对哈希）在 docs/release.md。打了 v* 标签之后 release 上挂的两份 zip 就是 提交用的，不需要另外打。想在本地各打一份：

node tools/package.mjs            # dist/doubak-<版本>.zip
node tools/package.mjs --firefox  # dist/doubak-<版本>-firefox.zip

几件要知道的：

• 打包用白名单，不是黑名单。 名单在 tools/package.mjs 的 INCLUDE 里。黑名单漏一条会多打进去一个不该有的东西且没人发现；白名单漏一条则是扩展装上就报错 —— 后者一眼就能看见。有测试守着 test/ tools/ docs/ 不许进包。
• selftest/ 必须打包进去。 它没有被 manifest.json 引用，只被调试页那个按钮 getURL 打开 —— 漏了它，那个按钮就是个死链。
• _locales/ 同理，而且更狠。 manifest.json 的 default_locale 指着它，漏了它 Chrome 整个拒绝加载这个扩展；而 collect() 只在名单里的路径不存在时才抛，名单里压根没有的目录它不看 —— 本地全绿，问题要到上传审核时才出现。test/locales.test.js 守着这一条。
• zip 是自己写的，不调系统 zip。 与整个工具链一致（不依赖外部程序），而且时间戳一律写 0，所以同样的源码打出逐字节相同的包 —— 才能核对「上传的到底是不是我构建的那个」。
• 版本号只能升不能降。 改 manifest.json，package.json 跟着改（有测试钉住两者一致）。

提交表单要填的东西

逐条权限理由见 docs/store-listing.md —— 那份是直接可粘贴的。隐私政策 URL 用 https://doubak.com/privacy/。

商店的标题和简短说明不在表单里，它们取自 manifest.json，后台只读。那两格写的是 __MSG_extName__ / __MSG_extDescription__，真正的字在 _locales/<语言>/messages.json 里 —— 现在有 zh_CN / zh_TW / en 三份。分语言的商店页只对带了对应 _locales/<语言> 目录的语言开放，所以这件事的开关在代码里。界面本身没有翻译（仍然只有简体中文），_locales 只放商店那几行字，繁体和英文的说明里都写明了这一点。

抓完之后

「导出」页当场就能出三种东西，不用装 Node、不用 clone 任何仓库：

产出	是什么	拿它干什么
结构化数据（canonical）	五个 NDJSON，每行一条 JSON	jq 直接查；也是下面两个的输入
NeoDB 导入包	一个 zip	传到 NeoDB「设置 → 数据 → 导入 NeoDB 备份」
Markdown 站点	带 YAML 头的 Markdown 树 + 图片 + 搜索索引	交给 Hugo / Astro / Eleventy / Jekyll

三种都是现场从档案算出来的：解析结果不落盘（派生数据落盘就是第二个真相来源）， 直接写进你选的文件夹，一次只跑一个。样张：sample.doubak.com。

命令行工具做的是同一件事，适合要改参数、接进脚本、或者只想拿一部分数据的人：

doubak-data-parser	bundle → canonical（结构化、带修订历史、纯离线）
doubak-site-generator	canonical → Markdown + 图片 → 静态网站
doubak-export-adapters	canonical → NeoDB / Letterboxd / Goodreads 的导入文件

为什么是抄一份，不是 submodule

src/vendor/ 是那三个仓库里 23 个纯函数文件的逐字节拷贝， tools/sync-vendor.mjs --check 由测试与 CI 守着新鲜度。

一次跨仓库的改动要先合上游。 CI 按各自的默认分支检出兄弟仓库，所以 vendor 名单里 新加的文件在上游合并之前根本不存在，这边的 CI 一定是红的。这不是坏事——它就是 「规范先行」那条规矩在这里的样子（见根目录 CLAUDE.md 的最后一条约定）。

不用 submodule 有个具体的理由：git clone 不加 --recursive 会留下一个存在但是空的 目录，而 tools/package.mjs 的 collect() 只在路径不存在时才抛——空目录它照收不误。 于是打包成功，装出来的扩展里没有解析器，而且一声不响。白名单当初就是为了避开这种 「静静少了东西」的失败。

界线是「字节从哪儿来各写各的，字节怎么解释只有一份」：读文件系统的那几个 （bundle-source.js、canonical.js、generate.js、images.js）不搬， 扩展这边在 src/pipeline/ 里有对应的 OPFS 版本。

抓取被打断了怎么办

什么都不用做，尤其不要删掉那份档案。

停机原因有十几种（验证码、软封锁、掉登录、断网、切账号、配额、手动暂停、关掉浏览器……）， 没有一种会让你损失已经抓到的东西。每抓到一页就落一次盘，所以无论停在哪儿， 在那之前的每一页都已经在档案里了。连写盘出错也不例外：修复的方向永远是向后截断， 被截掉的那一条会在续抓时重新抓一遍（src/bundle/recovery.js），重复是免费的。

没收尾的档案没有 manifest.json —— 它只在收尾时写一次。于是账号、体积、 覆盖率证据都还看不到，但那不是损坏：

	没收尾的档案
解析	✅ 照常 —— 读的是索引与页面（src/pipeline/opfs-bundle-source.js 的 status）
导出到磁盘	✅ 照常
再导入回来	✅ 照常，只是校验只能核对字节数（src/bundle/importer.js 的 no_manifest 告警）
当下次增量的基准	❌ 进不了链 —— 下次会退回全量
证明某条路线抓全了	❌ 没有覆盖率证据

中止（status: aborted）与「没收尾」不是一回事：中止是会写 manifest 的， 缺口如实记进去、受影响路线的水位线不推进，所以它仍然可以当增量基准， 下次只会重走那一段。

唯一一种真的「失败」是个别页面抓不下来：那是逐页的，概览页会点名列出（哪几页、 什么原因），可以重试，也可以确认「就这样收尾」。

真正会让你永久丢东西的只有一件事 —— 没抓。广播删掉不留任何痕迹。

导出被打断了怎么办

再导一次，选同一个文件夹。它会先看清楚上次导到哪儿，然后只补缺的那些：

上次导出到一半：12 个文件已经完整（180.4 MB），还差 8 个。
继续只会补齐缺的那些，已经完整的不动。

没有进度文件。 目的地目录本身就是进度 —— 每个文件要么完整、要么不在。记一个 export-progress.json 反而更糟：它会与真实情况不同步（用户手动删了一个文件、盘满了写了一半），而崩溃恰恰是最没机会写下状态的时刻，偏偏崩溃正是续导要解决的场景。

这条判据站得住，是因为 createWritable() 写的是临时文件、只在 close() 那一刻整体换上去：中断留下的是「没有这个文件」，不是「半个文件」。

但仍然要验，不能只看在不在。盘满、U 盘拔掉、上次导的是别的档案，都会留下一个同名却对不上的文件 —— 那种情况照样重抄。

增量抓取跳过什么

增量的前提是**「已经抓到的东西都没有变过」，所以它跳过的不只是列表页上的旧条目。分界线是上游那份东西还会不会变**：

这一类	增量	为什么
列表页	抓到上次那条为止	按时间排，往回走到上次的位置就够
作品详情页	只抓新出现的	评分与短评会变，但它占档案九成体积
日记 / 影评正文	只抓新出现的	可编辑，所以重抓有意义 —— 但那是用户明说要做的事
广播	只抓上次之后的	发布后不可编辑，抓过的永远不会变
图（自己上传的、封面）	永远跳过	图片地址是内容地址，重抓拿回来必然是同一批字节

中间两档是「增量抓取，并重新抓取可以编辑的内容」那个选项管的。图那一档没有对应的选项，因为重抓一张已有的图拿不到任何新东西 —— 那不是一个「要不要」的选择。

这条规则是被一个真实的浪费逼出来的。 一次普通增量重抓了 11 张已经在档案里的图（0.77 MB），其中 3 张已经被抓过三遍（ba57a3 → 0fb09c → 157e63，每一份的 parent_capture_id 都指向自己那一趟刚抓的广播页）。

成因是派生：asset.status_photo 是从广播页上抽出来的，而增量必须重读最新那几页广播（不然发现不了新条目）。于是那几页上的图每趟都被重新派生一遍 —— 而派生这条路上从来没有过「我是不是已经有了」这道判断。作品详情页有跳过名单，长文和图都没有。

失败过的会自动重试，而这一点是整套跳过名单唯一必须保住的性质：名单里只放 verdict: ok 的那些。被拦下、没抓着、当时已被删掉（gone —— 条目可能又回来了）的，下一趟都会再试。多收一条的代价是那份东西再也不会被抓，而少收一条只是白抓一遍 —— 两个方向差着一个量级，所以判据是白名单而不是「除了列表页以外都算」（把列表页收进去，后果是整趟抓取一页都不抓）。

分档规则在 src/crawl/known-captures.js，是纯函数：offscreen 在 node 里 import 不进来（chrome.*、Worker），写在那里的逻辑就只能拿正则去比对源码，而那种判据挡不住语义错误。同一个分层理由见 crawl/backlog.js。

把导出过的档案搬回来

档案页 →「导入档案…」，选中 doubak-bundle-… 文件夹，或者它的上一级（往下找三层，所以按月归档、解压出来多套一层都认得出）。

它存在的理由： 我们一直在劝用户「导出之后可以安全地删掉扩展里那一份」。那句话只有在它回得来的时候才诚实 —— 否则下一次增量抓取找不到基准，退回全量：几小时，还要把几千个作品详情页重抓一遍。

三件事值得单独说：

① 身份是 bundle_id，不是目录名。 用户会改名、会放进 备份/2026-08/、解压两遍会得到 xxx (1)。目录名只当线索，真相在 manifest.json 与 index 文件名里 —— 而这几处必须互相对得上。对不上意味着两份档案的文件被放进了同一个目录，那时任何一种猜法都可能写出一份自相矛盾的档案（index 说自己属于 A，段文件名里写着 B）。

这一条的检查第一版写错过，而且错得很值得记：实现只取了第一个 index 文件，而排序后先出现的那个恰好与 manifest 对得上 —— 于是「三处必须一致」全票通过，另一份档案的段文件跟着一起导了进来。收全部 index 文件再比才对。

② 绝不覆盖已有档案 —— 这一条不靠界面拦着。 导入用的 Worker 只能新建文件，碰不到任何已经在那儿的字节；判据是去问存储「这个文件此刻在不在」，不是听调用方声称（src/storage/opfs-rpc.js）。它比「只许往空目录里写」更准，也更有用：补齐上次没导完的天然合法（缺的文件是新建），而后者会把这种情况一起挡掉、逼用户先删掉半份档案。

③ 先看清楚，再动一个字节。 点完文件夹先扫描、先判断、先把整份清单列出来，确认了才写。每一种「不导」都有自己的名字和理由 —— 合成一句「跳过」等于什么都没说：

说什么	什么情况
已经有了	文件与字节数完全一致，不必再导
补齐	上次导到一半，只补缺的那几个
重复	同一份档案在选的目录树里出现了不止一次
编号撞了	同编号但内容不同。不覆盖 —— 说不清哪份是对的
别的账号	混在一起之后解析器会拒绝整个目录，而合过之后拆不开。会问一次
不能导	段文件缺了、字节数与 manifest 对不上、一个目录里两份档案。提示里写出具体是哪个文件

拒绝的代价是零 —— 源文件还在盘上，什么都没丢；而导进来一份残缺档案的代价是一份看起来正常的坏档案：能选中、能导出、能被解析器读，只是索引里有偏移量指向不存在的字节。