Doubak / doubak-data-specs / 37

54%

push

github

bundle/1.4：只关于一个 URL 的缺口，要把那个 URL 写成字段

真实档案 20260903T232811Z-b3c2b6 里的一句假话：crawl_state 写着
「…f042d8249db3650.jpg：重试 3 次仍失败」，而同一份档案的索引里就躺着那条
verdict=ok、542163 字节的捕获。用户点了「重试」，这一次成功了，而缺口只增
不减，于是 contiguous=false 被封了进去。**档案是全的，声明是错的**，而档案
冻结之后这句话再也改不了。

1.4 之前，那个 URL 只出现在 detail 那句给人看的话里，对机器不可用——而有
两件事恰恰需要它可用：

- 生产者要能收回自己的话（重试成功就地抹掉那处缺口）；
- 读者要能本地证伪（带 url 的 fetch_failed 缺口，若索引里有同一 url 的
  verdict=ok 捕获，就是自相矛盾）。

后者与 §2「不得用 claimed_count 授予完整性」是同一条不对称原则的另一面：
**授予要严，证伪可松**——何况这里用来证伪的还是生产者自己写下的另一句话，
不需要相信豆瓣的任何数字。

写 url 的条件是「这处缺口确实只关于这一个 URL」。aborted、no_items_observed
说的不是某一个 URL，不得写，否则一次不相干的成功会把它抹掉。

**校验器故意不去解析 detail 里的 URL。** 1.3 及更早的缺口只有 detail，靠
子串把 URL 抠出来，判错的方向是「悄悄放过一处真缺口」或者「诬告一处真实的
失败」——两个都比漏报贵。

- common.schema.json：gap 新增可选 url；current_spec_version → bundle/1.4
- SPEC.md：§5 新增一节，§10.1 补版本行
- validate.py：新增那条证伪检查（**合规性**，不是完整性——字节是好的）
- tests/invalid/gap-already-captured：把它做成一致性用例；去掉检查会让
  用例套件变红，所以它不是空判据

Co-Authored-By: Claude Opus 5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01E6dxwcUi4rM3dcKdsqx9xm

8 of 9 new or added lines in 1 file covered. (88.89%)

227 of 420 relevant lines covered (54.05%)

0.54 hits per line