Commit Graph

3 Commits

Author SHA1 Message Date
albert4719 05728feed4 拆分规则修两处误拆:「它看的是…疗法(」不再当成「X看…法」另起一块(第 3 节第 10 条),「但刑法第…条」这类连词开头的句子不再从前文拆开(第 8 节第 6 条);两份规则同步改,全书只有这两处拆法变了 2026-10-08 12:18:17 +08:00
Zhao Chen 14bbb39fde 检索网页、离线版、PDF 也拆超长收益、备注和来源,四个出口同一套规则
上一个提交只改了 EPUB,网页、离线单文件、PDF 上同一条收益仍是一整块。这次四个出口都拆,
正文 md 仍不动(index.html 按行解析、sync-stats 按「- 来源:」行数链接都依赖一个字段一行)。

- tools/lib/split-items.mjs:导出 splitGain / splitSrc。来源栏改用 index.html 原有 splitSrc
  的规则(括号外的「;」一条一行),四个出口的来源拆法从此一致。
- index.html:在原有 splitSrc 旁边加同一份 splitGain,收益、备注拆开时渲染成一块一行的列表,
  两份规则用 // <split-rules> 标出来。离线单文件用的是同一个 index.html,自动跟上。
- tools/pdf/build.mjs:read 之后同样套 splitLongItems。
- tools/check-split.mjs:从 index.html 抽出 <split-rules> 那段,和 split-items.mjs 在全书
  2013 个收益/备注/来源字段上逐条比对;也查拆完能否逐字拼回原文、** 有没有被拆开。
  CI 新增「拆分规则一致性检查」job,和交叉引用检查一样不挡发布。
- 换话题规则排除「该 / 本 / 此 / 这 / 同 / 上述」开头:「该办法第五条」是接着上文讲的,不另起。
- CLAUDE.md 电子版那段记一笔:规则两份要同步。

验证:check-split 0 处问题(拆开 554 个字段);check-plain、check-refs --check、
sync-stats --check 全过;epubcheck 5.4.0 0 errors / 0 warnings;pandoc 3.11 + typst 0.15.1
出 PDF 正常;本地起服务器和 file:// 打开离线单文件,第 31 节第 1 条的收益都拆成 11 行,控制台无报错。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01X6s254TjQjvF9YgR8uK1LE
2026-10-08 11:48:59 +08:00
Zhao Chen 75492f910e EPUB:把超长的收益、备注、来源栏拆成子条目,方便在阅读器里看
电子书里不少「收益」一条就是一整段一千多字。比如第 31 节第 1 条,把十二条路的
门槛(兵役法、公务员录用规定、消防员招录办法……)全写在一行里,阅读器里就是一整块,
找不到哪句讲的是哪条路。

新增 tools/lib/split-items.mjs,只在生成 EPUB 时处理,正文 md 一个字不动:
- 收益、备注:超过 300 字的,在句号处、且下一句开始引用新的依据时断开
  (「X看《…》」「《某条例》」「刑法第…条」「另一项试验」「案例二」「芬兰…研究」等)。
  没有明确换话题点的长段不硬拆。
- 来源:一篇文献一行,按「<网址>;」后面接下一条来切。
- 计括号层级时跳过「」《》()和 <http…> 里面的标点,「P<0.0001」这种不当成括号。

效果:742 条超过 300 字的收益/备注/来源里拆了 413 条。44 个源文件拆前拆后
去掉列表符号逐字比对一致(来源栏文献之间的「;」换成了换行)。epubcheck 5.4.0 无错误无警告。

Co-Authored-By: Claude Opus 5.5 <noreply@anthropic.com>
Claude-Session: https://claude.ai/code/session_01X6s254TjQjvF9YgR8uK1LE
2026-10-08 11:36:08 +08:00