85國機(jī)場用47種寫法說"起飛"，一個(gè)API怎么收拾這爛攤子

全球機(jī)場的數(shù)據(jù)格式亂到什么程度？同一家航空公司的"已起飛"，在西班牙是SAL，在德國是gestartet，在俄羅斯是Отправлен，在愛沙尼亞是V?ljunud。沒有統(tǒng)一標(biāo)準(zhǔn)，沒有行業(yè)協(xié)議，連大小寫都不統(tǒng)一。

開發(fā)者Nico Prananta在搭建MyAirports API時(shí)，被這個(gè)問題堵了三個(gè)月。他的目標(biāo)很簡單：讓用戶查詢?nèi)魏螜C(jī)場的航班，返回7個(gè)干凈狀態(tài)——scheduled、boarding、departed、arrived、delayed、cancelled、unknown。但輸入端是85個(gè)國家、40多種語言的原始網(wǎng)頁，每個(gè)機(jī)場都有自己的"方言"。

這不是翻譯問題，是標(biāo)準(zhǔn)化戰(zhàn)爭。

第一層：硬編碼的"字典暴力"

Nico的第一版方案很直接：窮舉。他把見過的所有狀態(tài)字符串塞進(jìn)一個(gè)對(duì)象，鍵是原始文本，值是標(biāo)準(zhǔn)化狀態(tài)。英文還算老實(shí)，"departed"就是"departed"，頂多混進(jìn)來幾個(gè)"in flight""airborne"。

西班牙AENA系統(tǒng)最先教他做人。這家管理全國機(jī)場的機(jī)構(gòu)用三字母代碼：SAL（salida/出發(fā)）、AIR（en aire/空中）、FLY、CER（cerrado/關(guān)閉）全算"已起飛"。登機(jī)叫BOR、EMB、ULL、OPE四個(gè)變體。計(jì)劃中的航班分EST（estimado/預(yù)計(jì)）和PRG（programado/計(jì)劃）。

俄語、愛沙尼亞語、芬蘭語各自來一套。西里爾字母、拉丁字母帶變音符號(hào)，編碼問題差點(diǎn)讓數(shù)據(jù)庫吐出來。

這套精確匹配表覆蓋了60-70%的情況。剩下的30%，機(jī)場開始玩花樣。

第二層：模式匹配抓"動(dòng)態(tài)字符串"

有些機(jī)場把實(shí)時(shí)信息塞進(jìn)狀態(tài)字段。"Delayed 00:45"——延遲多久會(huì)變。"Gate 23 closing"——關(guān)艙門倒計(jì)時(shí)。"Check-in open"——值機(jī)開了，但還沒開始登機(jī)。

Nico加了第二層：子串正則。/delay/i 抓所有帶"delay"的變體，/^cerr/i 匹配西班牙語cerrado的各種變形，/check.?in/i 識(shí)別值機(jī)狀態(tài)并映射為"scheduled"而非"boarding"。

這里有個(gè)反直覺的細(xì)節(jié)："Check-in open"被歸為scheduled而不是boarding。因?yàn)橹禉C(jī)開放時(shí)旅客還在柜臺(tái)排隊(duì)，真正登機(jī)是另一個(gè)狀態(tài)。很多前端開發(fā)者會(huì)搞混這個(gè)，直接顯示"正在登機(jī)"嚇跑還沒過安檢的人。

鳳凰城天港機(jī)場（Phoenix Sky Harbor）更絕，把實(shí)際時(shí)間戳嵌進(jìn)狀態(tài)字符串。正則在這里變成必需品，精確匹配完全失效。

第三層：未知狀態(tài)的"兜底哲學(xué)"

即使兩層過濾后，仍有漏網(wǎng)之魚。新機(jī)場接入、舊機(jī)場改版、臨時(shí)促銷代碼、系統(tǒng)故障時(shí)的異常文本——unknown狀態(tài)的存在是為了不讓整個(gè)API崩潰。

Nico的設(shè)計(jì)選擇很產(chǎn)品經(jīng)理：寧可返回unknown，也不猜錯(cuò)。前端拿到unknown可以降級(jí)顯示原始文本，或者提示用戶刷新。但如果把"Final call"誤判為"departed"，用戶會(huì)錯(cuò)過航班。

整個(gè)系統(tǒng)的架構(gòu)像漏斗：精確匹配→模式匹配→人工復(fù)核→unknown兜底。每層都有明確的失敗移交機(jī)制，沒有靜默錯(cuò)誤。

多語言API的隱藏成本

這個(gè)項(xiàng)目暴露了一個(gè)行業(yè)潛規(guī)則：全球化產(chǎn)品的"語言支持"往往止于界面翻譯。真正的多語言是數(shù)據(jù)層的地獄——同義詞、縮寫習(xí)慣、時(shí)區(qū)表達(dá)、文化差異（有些國家"遲到"和"延誤"是同一個(gè)詞）。

Nico在代碼注釋里埋了個(gè)彩蛋：西班牙語CER（cerrado/關(guān)閉）在某些機(jī)場指"登機(jī)口關(guān)閉=已起飛"，在另一些機(jī)場指"值機(jī)柜臺(tái)關(guān)閉"。上下文決定語義，沒有全局真理。

這解釋了為什么航空數(shù)據(jù)API的定價(jià)模型通常是按機(jī)場收費(fèi)，而非按查詢量。每新增一個(gè)機(jī)場，需要人工審計(jì)其狀態(tài)字符串、建立映射規(guī)則、持續(xù)監(jiān)控改版。自動(dòng)化只能解決70%，剩下的是苦力活。

MyAirports最終把85個(gè)國家的混亂壓縮成7個(gè)枚舉值。但Nico的GitHub倉庫里，那個(gè)300行的EXACT匹配表還在每月增長——上個(gè)月新增了波蘭機(jī)場用"Wyl?dowa?"表示到達(dá)，上個(gè)月底某德國機(jī)場把"gestartet"改成了"Gestartet"（首字母大寫），精確匹配失效了四小時(shí)。

如果你在做跨境數(shù)據(jù)整合，有沒有遇到過類似的"同一概念、百種寫法"的坑？最后是用規(guī)則引擎硬啃，還是直接上機(jī)器學(xué)習(xí)做語義分類？