merge: fix/strip-html-double-encoded → test(双重编码剥不干净)

apps/pac-service/src/modules/sync/transforms/operators/derive.op.ts

@@ -136,19 +136,31 @@ function evalExpr(expr: DeriveExpr, row: Row): unknown {
  *   - 收尾清理连续空行/首尾空白;全部剥完只剩空白 → 返回 null(空壳不入库)
  */
 export function stripHtml(input: string): string | null {
-  const text = input
-    // 块级结束/换行标签先转成换行,保住段落边界
-    .replace(/<\s*br\s*\/?\s*>/gi, '\n')
-    .replace(/<\/\s*(p|div|li|tr|h[1-6]|blockquote)\s*>/gi, '\n')
-    // 其余标签一律剥掉
-    .replace(/<[^>]*>/g, '')
-    // 实体还原(&amp; 放最后,避免 &amp;lt; 被二次解码成 <)
-    .replace(/&nbsp;/gi, ' ')
-    .replace(/&lt;/gi, '<')
-    .replace(/&gt;/gi, '>')
-    .replace(/&quot;/gi, '"')
-    .replace(/&#39;/g, "'")
-    .replace(/&amp;/gi, '&')
+  // 单轮:剥标签 → 还原实体。实体还原可能**再露出字面标签** —— 宿主实测存在双重编码:
+  //   '<p><span…>&lt;p&gt;阿斯蒂芬撒的发生&lt;/p&gt;</span></p>'
+  //   外层是真标签、内层是被转义的标签,剥一轮后 &lt;p&gt; 还原成 <p> 留在结果里。
+  // 故做**有界多轮**:还原后若又出现标签则再剥一轮,最多 2 轮 —— 不做无界循环,
+  // 避免构造出的畸形输入(每轮都产生新标签)把摄入卡死。
+  const once = (v: string): string =>
+    v
+      // 块级结束/换行标签先转成换行,保住段落边界
+      .replace(/<\s*br\s*\/?\s*>/gi, '\n')
+      .replace(/<\/\s*(p|div|li|tr|h[1-6]|blockquote)\s*>/gi, '\n')
+      // 其余标签一律剥掉
+      .replace(/<[^>]*>/g, '')
+      // 实体还原(&amp; 放最后,避免 &amp;lt; 被二次解码成 <)
+      .replace(/&nbsp;/gi, ' ')
+      .replace(/&lt;/gi, '<')
+      .replace(/&gt;/gi, '>')
+      .replace(/&quot;/gi, '"')
+      .replace(/&#39;/g, "'")
+      .replace(/&amp;/gi, '&');
+
+  let text = once(input);
+  // 第 2 轮只在确实又露出标签时才跑(绝大多数行一轮即净,不做无谓开销)
+  if (/<[^>]+>/.test(text)) text = once(text);
+
+  text = text
     // 连续空行压成一个,首尾清干净
     .replace(/[ \t]+\n/g, '\n')
     .replace(/\n{2,}/g, '\n')

apps/pac-service/tests/friday-return-visit.spec.ts

@@ -168,5 +168,20 @@ describe('FRIDAY 回访摄入', () => {
     test('&amp;lt; 不被二次解码成 <(实体还原顺序)', () => {
       expect(stripHtml('&amp;lt;')).toBe('&lt;');
     });
+
+    test('⭐ 双重编码:剥完外层标签、还原实体后又露出字面标签 → 再剥一轮', () => {
+      // 线上真实数据(customer_return_visit id=266151):外层是真标签,内层是被转义的标签。
+      // 首轮导入时这条**没被剥干净**,落库后仍是 "<p>阿斯蒂芬撒的发生</p>" —— 由此加的有界第二轮。
+      const real =
+        '<p><span style="color:#000000"><span style="font-size:13px">' +
+        '<span style="background-color:#ffffff">&lt;p&gt;阿斯蒂芬撒的发生&lt;/p&gt;</span></span></span></p>';
+      expect(stripHtml(real)).toBe('阿斯蒂芬撒的发生');
+    });
+
+    test('只剥两轮,不做无界循环(畸形输入不能卡死摄入)', () => {
+      // 每轮都能再生出标签的构造输入:两轮后仍有残留是可接受的,关键是**必然终止**
+      const nested = '&amp;amp;lt;p&amp;amp;gt;x';
+      expect(typeof stripHtml(nested)).toBe('string');
+    });
   });
 });