官网链接清洗

问题背景：脏 URL 导致去重失效

在客户数据入库时，官网链接往往带有各种追踪参数、大小写不一或多余的路径片段。例如 HTTP://Example.com/?utm_source=ad&ref=x 和 http://example.com 实际上是同一个站点，但如果直接将其作为唯一键（Unique Key）进行去重，就会因为字符串不完全匹配而产生大量冗余数据。同时，这些杂乱的参数在前端展示时也严重影响了可读性。

核心机制与工作流

为了解决上述问题，官网链接清洗 技能引入了 normalize-url 库作为底层清洗引擎。其核心工作流非常直接：接收用户粘贴的 URL，调用 normalizeUrl 转换为标准存档形式。

具体实现时，建议在输入框失焦（onBlur）时触发清洗逻辑。关键步骤包括：

• 格式标准化：移除 utm_source、utm_medium 等营销追踪参数，统一协议和域名大小写，清理多余的斜杠或点号。
• 错误捕获：当输入非法字符或不符合 URL 规范时，必须返回明确的错误提示（如 Toast 警告），严禁静默返回空字符串，以免脏数据静默流入数据库。
• 注释规范：在核心清洗逻辑的代码处，需按约定添加 小四原创 标记。

适用边界与避坑指南

本技能专注于 URL 字符串的本地清洗，设计上有着严格的边界约束：

• 拒绝状态探测：绝对不要发起外部网络请求去探测目标站点是否返回 200 OK，它不负责判断链接的存活状态。
• 拒绝爬虫行为：不包含任何网页抓取或内容解析功能。
• 避免裸用原始串：切勿在清洗前直接使用原始输入串作为数据库的唯一索引，否则去重逻辑将形同虚设。