2026-10-02 · 本机实测 · 书族：针灸专著类（首个完成本）· 源：人卫《中医临床必读丛书（典藏版）》
| 项 | 值 |
|---|---|
| 源 EPUB | C:\Users\xy192\DSH云端备份\4-原始底本\epubtest\00-原始EPUB\中医临床必读丛书典藏版.epub |
| 书内范围 | spine 第 691–712 页（part0690.xhtml – part0711.xhtml），22 页 |
| 边界依据 | 本书 CIP 页 = 第 693 页；其前 2 页（691、692）为本书封面/内封（纯图片、0 字）。已修正旧边界（693–714）的两处问题：① 漏掉本书封面/内封；② 把下一本《脉经》的封面/内封（713、714）算了进来 |
| 落地库 | 临时库 _tmp-针灸大成-结构C（1642 片 / 234 篇文档），id 见 _tmp\books\jd_base.json |
| 未改动 | 原始 EPUB、旧「中医」库、检索开关、插件文件 |
边界修正已对全部 38 本合集内图书生成统一表：_tmp\five\boundaries_fixed.json（每本均为「CIP 页 −2」起步，38/38 通过图片页校验）。
体例：h1=卷，h2=篇/赋/门，h4=子目，h6=子目细分，div.h8=门内小标题；div.pCls=正文段（3961），div.jr_text_class_center=歌诀/居中行（1294），div.Picture+div.p_title=插图与图题（各 119），div.Table=表格（实为图片），div.sgc-toc-*=书内目录（521 个链接）。
源缺陷 1：卷标题误标。 源文件 h1 只正确标出「针灸大成卷之一」「针灸大成卷之十」；卷二～卷九 全部误标为「针灸大成卷之八」（EPUB 自带目录同样如此，本书 md 版亦然 → 属出版方文件缺陷，非抽取问题）。 处理：原文按源保留（h1 文本仍在其所属文档内，未改字）；文档标题只用「篇名」，不使用错误的卷名。 按内容推定的真实卷次（仅供参考，未写入库内文本）：
| 页 | 推定卷 | 首篇 |
|---|---|---|
| part0701 | 卷一 | 针道源流（针灸直指《素问》、《难经》） |
| part0702 | 卷二 | 周身经穴赋、百症赋、标幽赋、席弘赋、金针赋、玉龙赋、通玄指要赋、灵光赋、兰江赋、流注指微赋 |
| part0703 | 卷三 | 五运主病歌、六气为病歌、百穴法歌、十二经脉歌、玉龙歌、胜玉歌、杂病穴法歌…策（杨氏考卷） |
| part0704 | 卷四 | 仰人/伏人穴图、九针论、制针煮针、各家补泻、禁针禁灸歌、太乙九宫、人神禁忌 |
| part0705 | 卷五 | 十二经井穴图、井荥输原经合、徐氏子午流注逐日按时定穴歌、灵龟八法、八脉图并治症穴 |
| part0706 | 卷五（续） | 八脉图并治症穴（续）、八法手诀歌 |
| part0707 | 卷六 | 五脏六腑图、十四经经穴歌 + 考正穴法 |
| part0708 | 卷七 | 仰人/伏人经穴图、十四经脉长短、经外奇穴、穴同名异类 |
| part0709 | 卷八 | 穴法图（《神应经》）、诸风门…疮毒门、续增治法 |
| part0710 | 卷九 | 治症总要、东垣针法、名医治法、针邪秘要、灸法各论、杨氏医案 |
| part0711 | 卷十 | 保婴神术《按摩经》、小儿推拿诸法、补遗 |
源缺陷 2：表格是图片 —— div.Table 内只有一张 jpeg，无 HTML 表格行；已按图片占位保留（），文字未丢。
源缺陷 3：目录标记嵌套导致同一段文字被重复包两次。 本书内目录（part0700.xhtml，522 个元素）用嵌套 div 层层包含：sgc-toc-level-1 里已经含有其下 level-2/3/4 的全部链接文本，逐层重复。例：第 317 号 level-1 元素 3291 字，其内部第 318 号 level-2 元素 381 字是它的子串，同一批目录名因此在源文件里出现 2 次。 处理：目录整体并入「书目信息」篇，内容原样保留；无损核验改用「12 字滑窗全覆盖」判据（见第五节），不再用「元素文本多重集」判据（后者会因源文件重复计数而误报缺字）。
源缺陷 4：前置页/版权页/目录页混在正文流中。 part0690/0691（封面、内封，纯图片）、part0692（版权页＋CIP）、part0700（本书内目录）原先与正文一起参与成条，目录里的书名、篇名会作为正文块被检索到。 处理（2026-10-02 复核决定）：以上 4 页标记为「书目信息／目录」，从正文流中移出，合并成单独一篇（针灸大成·书目信息（封面·内封·版权页·目录）），篇首有固定标记行： 〔书目信息／目录〕本篇为封面、内封、版权页(CIP)与本书内目录，非正文；内容原样保留，仅供版本与书目核对。 文字一字未删，但不参与正文成条，检索时一眼可辨。「出版者的话」不属此列，它讲本丛书的整理原则与选目，仍作正文篇保留。
文档 = 篇（h2；书前 h1 序跋各自成篇）。单元 = 「条」，按小节体例自适应：
| 模式 | 判定 | 单元 | 例 |
|---|---|---|---|
| A 歌赋注解型 | 同篇内既有 ≤25 字短句又有长段 | 一条 = 歌句 + 紧随注解段 | 标幽赋、金针赋、通玄指要赋 |
| B 短行型 | 篇内正文行长中位 ≤60 字 | 连续短行按 ≤400 字打包，行不跨片断开；［第N］、一、等记录序号处断条 | 神应经诸风门/伤寒门、治症总要、十二经脉歌 |
| C 长段型 | 篇内正文行长中位 >60 字 | 一段 = 一条 | 针道源流、百症赋、目录 |
| D 考正穴法型 | 见 h4 考正穴法 之后的段落 | 一穴 = 一条（穴名＋别名＋定位＋针灸法＋主治，其后引文归本条） | 十四经 359 个穴条 |
h1/h2/h4/h6/h8 与紧随内容同片；连续标题合并。〔源：…〕 标记，逐条仍可回解；共 140 片含 ≥2 标记）。〔源：partNNNN.xhtml 元素N（锚点id）〕，切分片另在正文首行注入 针灸大成 · 篇名 上下文。splitBlocks 以空行为边界）；再按每篇文档自身的字符预算收口一次。part0690/0691/0692/0700）整篇一片、不参与成条（见第二节源缺陷 4）。处置：只按白名单（本书实际经穴名表）判定起首；白名单之外的命中一律不拆分。 因此即使一片内出现多个「像穴名」的行首，也不得自动断成多条；确实需要拆分的，只认「白名单穴名＋其后为独立定位描述」这一种结构。 本条已用实测核过：本书一片内含 2 个以上穴条起首 = 0 例（严格白名单判定与宽松正则判定皆为 0），即本轮未发生该误报；列为规则说明是为了避免在后续书籍（尤其古籍刻本点校质量差的）上误判。
| 事项 | 决定 | 落地位置 |
|---|---|---|
| EPUB 原文里的「针灸大成卷之八」 | 原样保留，一字不改（含卷二～卷九被误标的那些） | 各篇 h1 原文、以及书目信息篇里的书内目录 |
| 推定卷次（卷一～卷十） | 不写入正文；只作检索辅助 | ① 本文件第二节的表；② 库内文档元数据 |
| 元数据写法 | 「推定卷次：……（非原文、待核）」，必须与正文分开 | _tmp\books\jd_meta.json 的 inferred_juan / inferred_juan_note 字段（库内文档正文不含任何卷次推定） |
| 文档标题 | 只用篇名，不用（错误的）卷名 | 233 篇文档标题 |
| 源码缺陷标注 | 「源 EPUB 卷标题疑似错误」 | jd_meta.json 的 source_defect_juan 字段 |
一句话：卷次只作「推定／待核」元数据，不改正文。 这样既保住原文可追溯性，又给检索留了线索。
| 指标 | 结果 |
|---|---|
| 元素 → 文档 → 片 | 6645 → 233 → 1573（书目信息页并入 1 篇；短条合并后 1572，按篇预算收口补切 1） |
| 片长 中位 / 均值 / p90 / 最长 | 165 / 235 / 431 / 1811 字符 |
| 超 1824 字符的片 | 0 |
| 逐字无损（12 字滑窗全覆盖：原 XHTML 全部 6645 个元素的每一段 12 字都能在库内文本中找到） | ✅ 0 处缺口 |
| 入库：篇数 / 块数一致 / 逐篇无损 | 233 / 233、233 / 233、233 / 233 |
| 库内块数 | 1573（与送入片数一致） |
| 出处标记可回解（页码存在 + 元素号在范围内） | 1859 / 1859（书目信息篇的 34 条标记写作「元素 N」，早期核验正则不容空格而误计为超范围，已改正） |
| 图片占位 | 294（其中 .gif 字形图 62，jpeg 插图 232） |
| 跨条粘连（一片含 ≥2 个穴条起首） | 0 |
| 结构上的孤立小片（去标记后 ≤30 字符） | 19（图题+图、序末署名、短注） |
| 不足 50 字符的块 | 6（0.4%，均为完整短记录） |
| 考正穴法穴条 | 359 / 359（逐经吻合，见下） |
| 按每篇预算收口后超预算文档 | 0 |
上一版（书目信息修正前）为 234 篇 / 1642 片；本轮把 4 页书目信息页合并成 1 篇（其中目录原为 70 片，现 34 片），并把「逐字无损」判据换成 12 字滑窗全覆盖（原判据用元素文本多重集，会被源目录的嵌套重复计数误报）。
逐经穴条核对（本书为 359，标准十四经穴 361 —— 本书肝经未列「急脉」、督脉未列「中枢」，是《针灸大成》版本常态）：
| 经 | 本书识别/应为 | 经 | 本书识别/应为 |
|---|---|---|---|
| 手太阴肺经 | 11 / 11 | 足太阳膀胱经 | 67 / 67 |
| 手阳明大肠经 | 20 / 20 | 足少阴肾经 | 27 / 27 |
| 足阳明胃经 | 45 / 45 | 手厥阴心包络经 | 9 / 9 |
| 足太阴脾经 | 21 / 21 | 手少阳三焦经 | 23 / 23 |
| 手少阴心经 | 9 / 9 | 足少阳胆经 | 44 / 44 |
| 手太阳小肠经 | 19 / 19 | 足厥阴肝经 | 13 / 13（无急脉） |
| 任脉 | 24 / 24 | 督脉 | 27 / 27（无中枢） |
检索 A/B（26 题，TopK=4，均限定本书）
| 单块精确命中 | 落空 | 命中块长中位 | |
|---|---|---|---|
| 新结构库（一句/一条/一穴成片） | 26 / 26 | 0 | 292 字符 |
| 旧「中医」库 md 版（约 1200 字一块） | 21 / 26 | 5 | 1207 字符 |
落空 5 题（旧库）：十二经井穴图、禁针穴歌、席弘赋、灵光赋、杂病穴法歌 —— 均为旧 md 分块下被切成半条或丢失关键词。
工作区\抽查单-针灸大成-20261002.md）已经你转外部复核通过；本节以下为复核后的收尾记录。# 标题会转成块的 heading），不影响内容，也不影响逐字无损。.gif）是缺字位（例：口眼  斜），属「字形图提字」单独立项，本轮未处理。| 项 | 值 |
|---|---|
| 库 | 中医·结构优先 = 8bf27782-5f61-49c8-8d9a-af2b89158239（原「经络腧穴学·结构优先」改名，库 id 未变 → 检索开关无需再动） |
| 目录 | 针灸专著类 / 针灸大成（目录 id 见 _tmp\main_reorg.json） |
| 入库内容 | 正文 233 篇（1573 片 → 库内 1574 块）+ 处理记录 1 篇（本文件，31 块） |
| 入库核验 | 逐篇块数一致 232 / 233；唯一不一致即上述「书目信息篇 35 = 34 + 1 条上下文」；12 字滑窗全覆盖 0 缺口 |
| 临时验收库 | _tmp-针灸大成-结构C（5cde9779-…，同内容）保留备查；旧 73de11d4-… 已清空 |
_tmp\gen_jd.py（EPUB 元素级抽取 + 四模式成条 + 书目信息页分离 + 12 字滑窗无损自检 + 每篇预算收口）_tmp\verify_jd.py（临时库导入 + 逐篇块数/无损 + 12 字滑窗 + 出处回解）、_tmp\accept_jd.py（异常块 + 结构检查 + 32 条抽查单）、_tmp\retrieval_jd.py（A/B 检索）_tmp\main_reorg.py（主库改名 + 建目录 + 经络腧穴学迁入）、_tmp\import_jd_main.py（本导入主库 + 逐篇核验）_tmp\books\jd_docs\（233 篇文本）、jd_pieces.json（1573 片）、jd_meta.json（含推定卷次与源缺陷字段）、jd_pages.json、jd_stats.json、jd_units_diag.json、jd_verify.json、jd_retrieval.json、jd_elems_all.json_tmp\five\boundaries_fixed.json、_tmp\fix_boundaries.py本文件不含任何 API key 或凭据。