한 채널에서 깨진 일반화

수집한 글에서 종목 코드를 뽑아야 해서 몇 편을 열어 보니 본문에 괄호로 들어 있었다. 본문에서 정규식으로 뽑으면 된다고 정리하고 구현으로 넘어가려던 참에 실측 없이 넘어간다는 지적을 받았다.

Open Table of contents

몇 개를 보고 세운 일반화

내가 확인한 것은 몇 편뿐이었고 그것이 전 채널을 대표한다는 근거는 어디에도 없었다. 그런데 정리한 문장은 본문에 있다는 단정이었다.

미확인으로 남겨 둔 항목이 셋 있었고 그것들이 설계에 영향을 줄 수 있는 자리였다. 그래서 구현으로 넘어가지 않고 셋을 전부 확인하기로 했다.

채널별로 본문에 종목 코드가 있는지 전부 확인하니 셋에는 있고 둘에는 아예 없었다. 있는 셋도 형태가 달라서 하나는 본문 괄호이고 하나는 링크 파라미터였다.

본문에서 뽑으면 된다는 문장은 다섯 중 셋에서만 참이었고 나머지 둘은 그 방식으로는 아무것도 못 뽑는다. 표본 몇 개로 세운 일반화가 전수 확인에서 그대로 깨졌다.

그래서 본문 추출을 1순위로 두고 실패하면 회사명 완전일치로 사전을 조회하게 바꿨다. 완전일치가 0건이거나 여럿이면 추측하지 않고 건너뛰면서 알리게 했다.

검색으로 종목명을 찾아 채우는 방법은 금지로 못박았는데 전에 본문의 금액 숫자를 코드로 오인한 사고가 있었기 때문이다. 안 보내는 것과 틀린 것을 보내는 것 중에서 뒤쪽이 훨씬 나쁘다는 판단을 문서에 함께 적었다.

두 번째 미확인은 화면 표시 상태로 권한을 판정하던 코드였고 그 방식 때문에 장애가 난 적이 있었다. 확인해 보니 항목별 권한을 직접 돌려주는 인터페이스가 이미 있었다.

그것으로 바꾸니 렌더링 타이밍에 의존하던 구조가 없어졌고 화면 판정은 폴백으로만 남았다. 증상을 막은 것이 아니라 그 증상이 나올 자리가 사라진 것이었다.

세 번째는 본문 이미지를 입력에 넣을지였는데 받아 보니 전부 로고와 제품 사진 같은 장식이었다. 도표도 수치도 없어서 입력에서 제외했고 결국 셋 다 확인 전 계획과 결론이 달라졌다.

그대로 구현했으면 셋 다 만들고 나서 발견했을 것이고 되돌리는 비용이 훨씬 컸을 자리다. 이후로 결론에 표본 수를 함께 적어서 있다가 아니라 다섯 중 셋에 있다로 쓰게 됐다.