# 后台列表永远只给你第一页：一次 79 个假缺口和两个真事故

我做了一件很自然的事：写脚本打开各平台的「我的文章」列表，抓标题，跟本地稿库比对，算出「哪些稿子还没发到这个平台」。

第一次跑出来，缺口 **79 个**。

我差点就照着这个清单去补发了。幸好补发前手贱看了一眼作者主页——上面写着「21 篇」，而我的清单里该平台只有 8 篇。

8 篇里算出来的 12 个缺口，有 11 个是假的。

## 一、79 个缺口是怎么算出来的

逻辑毫无问题：

```text
缺口 = 稿库 20 篇 − 平台上已发的标题集合
```

问题出在「平台上已发的标题集合」这一步。我打开的是后台列表页，抓的是页面上出现的所有标题。而后台列表页一页只显示 8 条，我没有翻页。

所以每个平台我只看到了最早的 8 篇，剩下 13 篇在我的视野之外，于是被算成「没发过」。

八个平台 × 平均每平台只看到 8 条 = 79 个缺口里，绝大多数是这么来的。

**教训不是「记得翻页」，而是：一个没验证过完整性的数据源，算出来的任何数字都是假的。** 我当时甚至没觉得需要验证——列表页有分页控件，我默认它是对的。

## 二、分页控件为什么点不动

发现清单不对之后，我去补翻页。然后发现：三个平台的后台分页控件都点不动。

不是没找到元素。我用的是真实鼠标事件（CDP 的 `Input.dispatchMouseEvent`），坐标取自 `getBoundingClientRect` 的中心点，点之前还用 `elementFromPoint` 验证过该坐标上没有别的元素遮挡。

**点击确实命中了「下一页」，页面就是不换。**

排查下来，原因是这一类：

```text
命中元素: DIV.pagination-wrap   (宽 640, 高 32)
期望命中: A.page-next          (宽 30, 高 24)
```

我用文本匹配「下一页」去找元素，命中的是**包裹整个分页区的容器 div**——因为容器的 `innerText` 里当然也包含「下一页」这三个字。点容器的中心点，落在两个页码之间的空隙上，什么也没触发。

修正办法很土但有效：

```js
// 只取叶子节点：没有子元素、或者子元素里不含同样文本的那个
const isLeaf = e.children.length === 0;
// 并且优先 A / BUTTON 标签
const isClickable = /^(A|BUTTON)$/.test(e.tagName);
// 并且先滚到底（分页控件常在视口外，视口外的元素点不到）
window.scrollTo(0, document.body.scrollHeight);
```

改完之后，51CTO 能翻了，博客园还是不行（它的分页是异步加载，点完要等 3 秒，而且翻页后 DOM 复用，URL 不变，脚本判断不出「翻成功了没有」）。腾讯云根本没找到分页控件——它的后台压根只给一页。

于是我放弃了「点分页」这条路。

## 三、三条能拿到全量的路

### 路一：站内接口（最干净）

多数平台的列表页其实是调接口的。开着网络面板点一次列表页，就能看到它请求的接口和返回的字段。

这条路我拿下了 CSDN、掘金、知乎、简书四个平台。好处不只是「全量」，还有：返回的是结构化数据，标题、ID、状态、发布时间都有，不用从 HTML 里抠。

举个实际收益：接口里有个 `status` 字段，能直接区分「已发布」「审核中」「未通过」「草稿」。这是页面上要一个个点进去才看得到的东西。

### 路二：归档页（最稳）

博客园有按月归档页，一个月的文章一页列完，没有分页。

```text
https://www.cnblogs.com/<用户名>/archive/2026/10.html
```

我 10 月发了 19 篇，打开这个页面，19 条全在。一篇不落，还带日期。

这条路的好处是它**不依赖登录态和接口签名**，是个纯粹的静态页。坏处是只有部分平台提供归档页，而且按月切，跨月要拼好几次。

### 路三：作者主页加后缀（最容易忽略）

腾讯云这个卡了我最久。我打开作者主页，只看到几条「动态」，根本不是文章列表。

后来发现腾讯云的作者主页分 tab，默认停在「动态」，文章列表在另一个 tab 上，而且**这个 tab 是有独立 URL 的**：

```text
https://cloud.tencent.com/developer/user/<uid>            → 动态
https://cloud.tencent.com/developer/user/<uid>/articles   → 文章列表（全量）
```

带不带 `/articles` 后缀，看到的是两个完全不同的页面。我前面几次抓取全用了不带后缀的那个，所以永远只有 5 条。

51CTO 也是同一个路子：直接访问 `u_17794761` 看到的是「动态 + 近期文章」，要点开「博客」这个 tab 才是全量列表。

## 四、假缺口的代价：我把发过的稿子又发了一遍

上面这些都是技术问题，真正让我肉疼的是后果。

在拿到全量之前，我的清单说「51CTO 缺 5 篇」。其中有一篇叫《把 1242 条法规做成离线可核查的知识库》，我记得早期发过，但清单里没有（因为它排在第一页之外），我就信了清单，重新发了一遍。

结果：**未通过，原因「重复提交」。**

平台侧的查重不是比标题，是比内容。我换个标题（原标题带了「10 部环境法一夜废止之后」的前缀，新标题没有）没用，正文 90% 相同，照样判重。

那一刻我意识到「假缺口」不只是浪费时间，它会造成**真实的负资产**：一条未通过记录、一个失败草稿、以及平台对你账号的重复提交计数。

## 五、现在我的流程

改完之后，算缺口的流程变成这样：

```text
1. 取全量（接口 → 归档页 → 主页后缀，三选一，必须验证总数）
2. 验证总数：抓到的条数 ≥ 平台上显示的「N 篇文章」？
   不达标就换路子，不许带着残缺数据往下走
3. 比对：用标题的「指纹」（去标点、去空格、取前 12 字）做包含匹配，
   不用全等——各平台对标题里的书名号、引号处理不一样
4. 输出清单时同时输出「已发条数」，让人一眼能看出数据是不是全的
```

第 2 步是关键。以前我觉得「抓到什么算什么」，现在这一步是硬性卡点：抓到的条数和平台自己声明的总数对不上，脚本直接报错退出，不许继续。

顺便说，第 3 步的指纹匹配也救过我一次。同一篇稿子在 CSDN 上标题末尾多了个空格，在掘金上书名号被转成了直角引号，全等匹配两边都判成「没发过」，用前 12 字包含匹配就对了。

## 六、为什么值得单独写一篇

因为这是一个**安静的错误**。

脚本没崩，退出码 0，日志里该有的都有，输出的清单甚至格式漂亮、字段齐全。唯一的问题是数字错了，而且是往「显得还有好多活儿干」的方向错——这正是我最愿意相信的方向。

当时我看到 79 个缺口的感觉是「哇，还有这么多可以发」，而不是「等等，这数字对吗」。

**一个错误如果朝着你希望的方向偏，你不会去怀疑它。**

所以现在我给所有「统计类」脚本加了一条：输出里必须带上一个**能独立验证的基准数字**。抓文章就带「平台声明的总数」，抓评论就带「页面上显示的计数」。有这个数字在旁边，偏差自己会跳出来。

---

本篇提到的三个坑（分页控件命中的是容器、归档页、主页后缀）都不是什么高深技术，加起来我花了大概四十分钟才摸清。但如果不是先看到「21 篇」那个数字，我可能至今还在信那 79 个缺口。


我做了一件很自然的事：写脚本打开各平台的「我的文章」列表，抓标题，跟本地稿库比对，算出「哪些稿子还没发到这个平台」。

后台列表永远只给你第一页：一次 79 个假缺口和两个真事故

我做了一件很自然的事：写脚本打开各平台的「我的文章」列表，抓标题，跟本地稿库比对，算出「哪些稿子还没发到这个平台」。 第一次跑出来，缺口 79 个。 我差点就照着这个清单去补发了。幸好补发前手贱看了一眼作者主页——上面写着「21

开发工具

前端

测试

数据抓取脚本因未翻页导致79个假缺口，实际仅8篇已发。教训：必须验证数据源完整性，优先用接口或归档页获取全量，并核对平台声明总数，避免重复提交造成违规记录。

结构化数据

代码解释

容器

2026上云采购 | AI焕新·智启新局

lexiang

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

后台列表永远只给你第一页：一次 79 个假缺口和两个真事故-腾讯云开发者社区-腾讯云

后台列表永远只给你第一页：一次 79 个假缺口和两个真事故

后台列表永远只给你第一页：一次 79 个假缺口和两个真事故

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐