blog/scripts/purge_list.js

#!/usr/bin/env node
/**
 * 生成「本次部署需要刷新的 CDN URL 清单」（每行一个 URL，输出到 stdout）
 *
 * 背景（2026-10-05 实测）：
 *   又拍云 CDN 对 HTML 是 max-age=691200（8 天），流水线里只刷固定入口页
 *   （/ sitemap rss archives posts comment links）。于是**不在白名单里的页面
 *   即使源站已更新，CDN 仍会发最多 8 天的旧副本**：本次 about.html 就是这样
 *   卡在旧副本上（源站 47935B / CDN 41454B）。
 *
 * 策略：固定入口页（保底，逻辑不变）
 *   + **非「纯内容改动」时，追加全站所有 HTML**
 *   + 纯内容改动（diff 只含 content/**）时，只追加改动内容对应的输出页
 *   - 输出页靠「frontmatter 的 url / slug / 目录名 / 文件名」推导，并**校验
 *     public/ 下确实存在该文件**才加入，避免刷不存在的 URL（刷了也无害，但脏）。
 *   - 拿不到 git 基线（单提交仓库 / 浅克隆）时：push 事件按「全量」处理（宁多刷
 *     不漏刷，代价只是刷新耗时），定时任务只输出固定入口页。
 *
 * 用法：node scripts/purge_list.js [BASE_REF]      BASE_REF 默认 HEAD~1
 */
const { execSync } = require('child_process');
const fs = require('fs');
const path = require('path');

const SITE = 'https://usj.cc';

// 固定入口页：首页 / 聚合页 / 站点地图（只刷首页会让后面这些一直发旧副本）
const FIXED = [
  '/',
  'sitemap.xml',
  'rss.xml',
  'archives.html',
  'posts.html',
  'comment.html',
  'links.html',
  'about.html',
  'circles.html',
  'tiaozhuan.html',
];

function sh(cmd) {
  try {
    return execSync(cmd, { stdio: ['ignore', 'pipe', 'ignore'], encoding: 'utf8' });
  } catch {
    return '';
  }
}

// ★ 必须用 -z：git 默认会把非 ASCII 路径写成 "\344\270\255..." 的带引号转义形式，
//   那种字符串在 fs.existsSync 上永远查不到，动态部分会静默失效。
const base = process.argv[2] || 'HEAD~1';
let changed = sh(`git -c core.quotepath=false diff --name-only -z ${base} HEAD`).split('\0').filter(Boolean);
if (!changed.length) changed = sh('git -c core.quotepath=false diff --name-only -z HEAD').split('\0').filter(Boolean);

// 递归列出 public 下所有 .html
function walkHtml(dir, out = []) {
  let entries;
  try {
    entries = fs.readdirSync(dir, { withFileTypes: true });
  } catch {
    return out;
  }
  for (const e of entries) {
    const p = path.join(dir, e.name);
    if (e.isDirectory()) walkHtml(p, out);
    else if (e.name.endsWith('.html')) out.push(p);
  }
  return out;
}

const urls = new Set(FIXED.map((p) => SITE + '/' + p.replace(/^\//, '')));

// ★ 全量刷新判定：**只有「纯内容改动」才走精细刷新，其它一律全量**
//   为什么必须这么严：模板用 resources.Fingerprint 给 JS/CSS 生成带 hash 的
//   文件名，而 upx sync 带 --delete（远端不存在的文件会被删）。只要产物的资源
//   文件名变了，CDN 上还在的旧 HTML（TTL 8 天）就会引用**已被删掉的旧文件**
//   → 评论区/交互直接断链。所以凡是产物可能变的改动，都得让 HTML 重新拉取。
//   为什么不用「dirs 白名单」：2026-10-05 踩过 —— 主题改动与 purge 规则改动分成
//   两个 commit 时，后一个 commit 的 diff 里没有主题文件 → 被判成非全局 → 文章页
//   漏刷。改成「非 content 即全量」后，不再依赖改动被切进哪个 commit。
const isCron = process.env.CNB_IS_CRONEVENT === 'true';
const isContentOnly = changed.length > 0 && changed.every((f) => /^content\//.test(f));
const isGlobal = changed.length > 0 ? !isContentOnly : !isCron;

if (isGlobal) {
  for (const p of walkHtml('public')) {
    const rel = p.replace(/^public[\\/]/, '').split(path.sep).join('/');
    if (rel) urls.add(SITE + '/' + rel);
  }
}

// 诊断输出（进构建日志，便于事后核对判定是否正确）
process.stderr.write(
  `[purge] base=${base} 变更=${changed.length} 条 纯内容=${isContentOnly} ` +
    `全量=${isGlobal}${changed.length ? '' : '(无基线)'} → 清单=${urls.size} 条\n`
);

for (const f of changed) {
  if (!/^content\/.*\.md$/.test(f) || !fs.existsSync(f)) continue;
  const src = fs.readFileSync(f, 'utf8');
  const fm = (src.match(/^---\r?\n([\s\S]*?)\r?\n---/) || [])[1] || '';
  const grab = (k) => {
    const m = fm.match(new RegExp('^' + k + ':[ \\t]*["\']?([^"\'\\s]+)', 'm'));
    return m ? m[1] : '';
  };

  const cands = [];
  const rawUrl = grab('url');
  if (rawUrl) cands.push(rawUrl.replace(/^\/+|\/+$/g, '') + '.html');
  const slug = grab('slug');
  if (slug) cands.push(slug + '.html');
  const name = path.basename(f, '.md');
  const parent = path.basename(path.dirname(f));
  if (name === 'index') cands.push(parent + '.html'); // 目录型内容（如 content/posts/xxx/index.md）
  else cands.push(name + '.html');

  for (const c of cands) {
    const rel = c.replace(/^\/+/, '');
    if (!rel || rel.includes('..')) continue;
    if (fs.existsSync(path.join('public', rel))) urls.add(SITE + '/' + rel);
  }
}

process.stdout.write([...urls].join('\n') + '\n');