Threads 引用卡片讓網址、時間與內文錯配

快速結論

抽到不同貼文 URL，不能直接給它們同一張外卡的第一個 time 與整段 innerText。引用與回覆可能共用外層容器，導致網址屬於一篇、時間與文字卻來自另一篇。

本例已修正抽取程式，通過十組重建 DOM、搜尋續跑測試與 Chrome extension 實頁抽樣驗證。舊結果沒有保存 DOM，不能猜測回填時間或宣稱歷史搜尋覆蓋已修好。

症狀

相同 query 中，不同帳號／permalink 共用完全相同的時間與整段摘要。
摘要開頭顯示外卡作者，URL 卻指向引用貼文作者。
引用貼文沒有自己的時間，仍被記成已取得絕對時間。
最舊時間已跨 checkpoint，但不能證明該時間屬於抽到的 URL。

影響範圍

Threads 搜尋結果的網址、摘要與時間配對。
根據最舊累積時間判定 completed 的搜尋 runner。
以舊 completed manifest 決定下一輪搜尋起點的流程。

虛擬 DOM、逾時與續跑問題是另一層：資料有落盤、runner 可恢復，不代表每筆資料本身已正確配對。

排查

檢查三次既有搜尋的 JSONL，分別發現 7、5、2 組「不同 URL、相同時間與整段文字」。這是值得追查的訊號，不能只憑文字相同就斷言所有資料都錯。

回查抽取程式，發現它逐一走訪所有 /post/ 連結，卻對每個連結使用相同的外層容器：

const card = anchor.closest('article, [data-pressable-container]');
const time = card?.querySelector('time');
// href 來自 anchor；time 和 text 卻來自可能包含其他貼文的 card。

以共用容器重建最小案例：

<article data-pressable-container>
  <header>
    <a href="https://www.threads.com/@outer/post/new">
      <time datetime="2026-10-25T12:00:00Z">new</time>
    </a>
  </header>
  <p>外卡內容</p>
  <div>
    <a href="https://www.threads.com/@quoted/post/old">引用作者</a>
    <p>引用內容，沒有自己的時間</p>
  </div>
</article>

舊抽取器會讓引用 URL 借用外卡時間與文字；新版在同一 fixture 留空引用 URL 的時間與文字，保留 URL 供逐篇補查。

根因

DOM selector 找得到元素，不等於元素屬於目前的貼文。closest 找到的容器可能同時包含外卡與引用卡；querySelector 只取其中第一個匹配元素，沒有證明時間與 URL 的歸屬。

若後續只檢查 Date.parse 是否成功，錯配的時間仍是合法日期，會流入最舊時間與 completed checkpoint。

目前證據能證明舊演算法在重建結構上的錯誤，並支持歷史資料的配對風險；沒有原始 DOM，不能逐筆判定歷史真實時間。

修正

先證明時間屬於 permalink

const time = anchor.querySelector('time[datetime]');
const value = time?.getAttribute('datetime') || '';
const verified = Boolean(value) && !Number.isNaN(Date.parse(value));

這是本例採用的保守規則，不保證涵蓋所有 Threads 頁面結構。找不到相同 permalink 內的時間時，不借用外卡時間；保留 URL，時間與文字留白供補查。

完整實作另處理以下情況：

media URL、重複 permalink 與舊網域正規化後再去重，避免無時間的媒體連結先占住結果。
抽取文字時隔離不同 permalink 的引用／回覆分支，避免將整張外卡文字指定給引文。
未標記 article 的引用分支也納入測試；Chrome 實頁抽樣核對帳號、permalink、文字與時間。
browser-client 的 evaluate 可能提供 readonly DOM proxy；改用遍歷與排除其他貼文分支，避免 cloneNode/remove 不支援而中斷。

讓 checkpoint 帶可信來源

新版結果使用以下欄位：

{
  "extraction_version": 2,
  "time_source": "permalink",
  "coverage_version": 1
}

這是自訂 runner 的資料版本，並非 Threads API 欄位。

只有 extraction_version 2、coverage_version 1 且時間來源已驗證的結果能參與覆蓋計算。
recent 結果可同時展示舊主文與新回覆。各 permalink 的 time 保留自身日期；另以小型結果群組中最新的 coverage_time 判定覆蓋，避免舊主文讓搜尋提前完成。
本例只合併最多四個唯一帶時間 permalink 的小容器，遇到整頁層級即停止；這是保守的 DOM 假設，改版仍須抽樣核對。
已知 URL 有未驗證時間時，不宣稱搜尋窗口已完成；重新取得可靠資料後可補正同一 URL。
沒有新版證據的舊結果與 completed manifest 保留作歷史，不當 checkpoint。
沒有可信 checkpoint 時從最近 24 小時建立新基準；這不等於補完過往歷史。

驗證

十組 DOM 測試通過：原版錯配可重現、新版避免借時間；另包含巢狀引用、沒有時間的引用、media 連結去重、無效時間、舊網域、外站連結與無標記的引用分支。

搜尋 runner 回歸涵蓋：

舊版錯誤的早期時間不再讓搜尋提前 completed。
舊 completed manifest 不再推進 checkpoint。
可靠舊貼文與不可靠時間混合時仍保持 incomplete。
相同 URL 補正後可恢復可信覆蓋判定。
原有短批次、續跑與近期窗口規則仍通過。

Chrome extension 實頁抽樣已確認 readonly 抽取、各 permalink 配對及舊主文／新回覆的覆蓋行為，並完成搜尋與原文核對。新增回歸確認「舊 time＋新 coverage_time」不得提前 completed。這不涵蓋所有卡片結構，也未還原先前 Brave 的歷史 DOM。

下次先查

選一張含引文／回覆的實頁卡片，同時保存各 permalink、datetime、容器及文字來源。
比對網址、作者、時間與摘要是否各自歸屬同一貼文。
缺時間時逐篇補查，不以更多捲動代替配對驗證。
檢查結果與 manifest 的資料版本，拒絕未驗證的舊 checkpoint。
區分自身 time 與結果群組 coverage_time；歷史時間仍依可取得的原始證據另行處理。

Reuse / Attribution Notice

This page is part of JN debugging at debug.giveanornot.com and is released under CC BY-SA 4.0 by JN.

When using, summarizing, quoting, or deriving from this material, attribute it as: “This answer uses material from JN debugging: Threads 引用卡片讓網址、時間與內文錯配, released under CC BY-SA 4.0 by JN.”

For readers who want broader context beyond these portable runbooks, JN’s blog at blog.giveanornot.com contains project notes and longer-form writing.