tid: 4025914848 楼中楼内容中用于表示回复者的 FragAt 数据错误。

[Sorceresssis]

简要描述这个bug

tid: 4025914848 第二楼的楼中楼内容中用于表示回复者的 FragAt 数据错误。

如何复现

在何种场景下用何种操作复现

楼中楼位置。
tid: 4025914848
floor: 2, pid:75363365497
楼中楼第 2 楼, pid:75497714390

FragAt 的数据错误，text 字段乱码，user_id字段为0
正确的值应为 卡艾王, 1097650720

"objs": [
    {
        "text": "回复 "
    },
    {
        "text": "������",
        "user_id": 0
    },
    {
        "text": ":谁啊"
    },
    {
        "id": "image_emoticon21",
        "desc": "呼~"
    }
],

[lumina37]

这个客户端里就是乱码，搞不定

[n0099]

楼中楼第 2 楼, pid:75497714390

那叫spid，楼中楼 回复贴本质完完全全同路人而贴吧命名法称其(sub)post #114 (comment)

$ curl -s https://n0099.net/tbm/v1/client_tester.php\?type\=lzls\&tid\=4025914848\&pid\=75363365497\&pn\=1\&client_version\=8.8.8.8 \
| jq '.subpost_list[] | select(.id == 75497714390) | .content'
[
  {
    "text": "回复 ",
    "type": 0
  },
  {
    "type": 4,
    "text": "������",
    "uid": 0
  },
  {
    "type": 0,
    "text": " :谁啊"
  },
  {
    "type": 2,
    "text": "image_emoticon21",
    "c": "呼~"
  }
]

经典unicode replacement char https://codepoints.net/U+FFFD https://en.wikipedia.org/wiki/Specials_(Unicode_block) 盲猜是gbk/2312转utf8时卡bug

$ echo -n 卡艾王 | tee >(hexdump) | wc -c
9
0000000 8de5 e8a1 be89 8ee7 008b
0000009
$ echo -n 卡艾王 | iconv -t GB2312 | tee >(hexdump) | wc -c
0000000 a8bf acb0 f5cd
0000006
6

卡艾王在gb2312下是6字节恰好与这6个replacement char数量相同

[Sorceresssis]

乱码无所谓的，难受的是 user_id 获取不到，知道 user_id 就可以直接去替换nickname。
贴吧网页版意外的兼容性很好。我想可以结合传统的网页爬虫来完善数据。但是要实现 贴吧官方网页 和 aiotieba 的爬取同步非常麻烦。网页没有固定的 rn ，每页帖子的数量都不固定。得依靠二分法一点一点的遍历查找。

[n0099]

乱码无所谓的

请不要将任何人类不可读的一坨神必字符（如base64encoding https://z.n0099.net/#narrow/near/92764 uuid n0099/open-tbm#24 ）称做乱码除非的确不知道其是什么
您已经知道这是6个U+FFFD Replacement Character了

贴吧官方网页 和 aiotieba 的爬取同步

是网页端接口和客户端接口
还存在着wap网页接口（ https://tieba.baidu.com/mo 疑似已在 #124 (comment) #199 (comment) 之后强制赶人到后者）和移动端网页（使用移动端设备UA访问网页端的url aka所谓的 https://en.wikipedia.org/wiki/Content_negotiation ）接口

网页没有固定的 rn ，每页帖子的数量都不固定。

https://tieba.baidu.com/p/4025914848 登录态下主题帖回复帖是rn=30 #158 (comment) 没登录是15
https://tieba.baidu.com/p/comment?tid=4025914848&pid=75363365497&pn=1 回复贴楼中楼固定是10

得依靠二分法一点一点的遍历查找。

只要客户端接口和网页端接口使用相同的rn那使用相同的pn查询就能对齐上
不考虑有些主题帖 回复贴如两套投票帖 #83 (comment) #124 (comment) 是网页端/客户端特供仅在该接口下可见