Files
HowToLiveBetter/tools/check-refs.mjs
T
albert4719 4fb3b458d0 再修 5 处引用错位;脚本原先漏掉一整类引用写法
上一轮说「289 处全部正确」下得太早。两个弱点:上下文只取引用前 14 字,够不着
判断;更要命的是脚本只认「本节第 X 条」「见第 X 条」「(第 X 条)」三种引导词,
而正文里还大量写成「按第 1 条压胸」「判断方法同第 4 条」「先对照第 8 条」
「和第 4 条二选一」——这一整类根本没进扫描。改成扫所有「第 X 条」再用前文特征
排除法条条款号,捕获数 289 → 311。

上下文改成取整个分句之后,又抓出 5 处:

- 第 2 节第 7 条备注写「和第 7 条是同一件事」——自己指自己,实际指第 10 条
  (步数和运动时长是同一件事的两种计量)
- 第 2 节第 10 条「和第 4 条二选一」指到了「不嚼槟榔」,应为第 7 条,和上一条
  互为配对
- 第 2 节第 23 条两处都把「含糖饮料、加工肉」指成第 2、10 条(抽烟、运动),
  应为第 3、15 条
- 第 5 节第 20 条「应急金见第 26 条」指到了「三者险买够」,应为第 27 条

另修第 3 节一处承前省略节号(「第 24 节第 12 条、第 8 条」补全为两个节号)。

至此全书 311 处逐条核对完毕,--check 通过。
2026-09-19 16:05:06 +08:00

167 lines
8.6 KiB
JavaScript
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
// 交叉引用对照表:把正文里每一处「第 X 条」引用解析成它实际指向的条目标题,
// 写进 docs/引用对照.md。那份文件入库,所以插入或删除条目导致引用指向变化时,
// git diff 会直接把变化摆出来——条号没动而标题变了,就是错位。
//
// node tools/check-refs.mjs # 重新生成对照表(sync-stats.ps1 末尾会自动调用)
// node tools/check-refs.mjs --check # 只校验不写文件,有失效引用则退出码 1(CI 用)
// node tools/check-refs.mjs --suspect # 额外列出措辞和目标标题对不上的,误报多,排查历史遗留时用
//
// 为什么需要它:条号是位置依赖的,正文里的引用只记了位置不记内容。2026-09-19
// 在第 7 节发现 6 处指错(医疗救助指到低保、救助站指错条),全都在条号范围内,
// 越界检查一条都抓不到。
// 注意:切行一律用 /\r?\n/,不能用 '\n'。book/ 下的文件行尾不统一(有 CRLF 有 LF),
// 而 JS 正则的 . 不匹配 \r(CR 也算行终止符,这点和 Python、Perl 不一样),
// 留着 \r 会让 /^### (\d+)\. (.*)$/ 在 CRLF 文件上一条都匹配不到。
import { readFileSync, writeFileSync, readdirSync } from 'node:fs';
import { resolve, dirname, basename } from 'node:path';
import { fileURLToPath } from 'node:url';
const ROOT = resolve(dirname(fileURLToPath(import.meta.url)), '..');
const CHECK_ONLY = process.argv.includes('--check');
// 节内的裸引用(「见第 8 条」)只在这几个栏位里找:来源栏里的「第 N 条」几乎都是
// 法条条款号,扫进来全是误报。
const FIELDS = /^- (说人话|收益|备注|成本):/;
// 但带节号的跨节引用(「见第 11 节第 16 条」)不会和法条混淆,来源栏里也有,一并扫。
// book/26 第 103 条那处「日志留存见第 11 节第 16 条」就写在来源栏里,差点漏掉。
const CROSS_FIELDS = /^- (说人话|收益|备注|成本|来源):/;
const files = readdirSync(resolve(ROOT, 'book')).filter(f => /^\d\d-.*\.md$/.test(f)).sort();
// 先把每节的条目标题读出来:sections[节号] = { file, titles: { 条号: 标题 } }
const sections = new Map();
for (const f of files) {
const num = Number(f.slice(0, 2));
const titles = new Map();
for (const line of readFileSync(resolve(ROOT, 'book', f), 'utf8').split(/\r?\n/)) {
const m = /^### (\d+)\. (.*)$/.exec(line);
if (m) titles.set(Number(m[1]), m[2].trim());
}
sections.set(num, { file: f, titles });
}
// 一处引用可能写成「第 3、10、11 条」,拆成多个条号
const nums = s => s.split(/[、,]/).map(x => Number(x.trim())).filter(n => Number.isFinite(n));
const out = [];
const problems = [];
const suspects = [];
let total = 0;
for (const f of files) {
const num = Number(f.slice(0, 2));
const self = sections.get(num);
const lines = readFileSync(resolve(ROOT, 'book', f), 'utf8').split(/\r?\n/);
const rows = [];
let cur = 0;
// 引用前面那句话往往就写着它想指什么(「医疗救助(见第 11 条)」),把整个分句
// 列出来,人工扫对照表时不用翻正文就能判断指对没有。
// 取到最近的句读为界而不是固定字数——固定 14 字曾让好几处正确引用看起来可疑
// (「一氧化碳见第 18 条,烧烫伤见第 13 条」截断后只剩「氧化碳」对着「烫伤」)。
const ctxOf = (line, idx) => {
const before = line.slice(0, idx);
let start = -1;
for (const p of ['。', ';', '!', '?', ':']) start = Math.max(start, before.lastIndexOf(p));
return before.slice(start + 1).slice(-44).replace(/\|/g, '|');
};
lines.forEach((line, i) => {
const t = /^### (\d+)\./.exec(line);
if (t) { cur = Number(t[1]); return; }
if (!CROSS_FIELDS.test(line)) return;
// 跨节:第 N 节第 X 条
for (const m of line.matchAll(/第\s*(\d+)\s*节第\s*([\d、,\s]+?)\s*条/g)) {
const target = sections.get(Number(m[1]));
for (const x of nums(m[2])) {
const title = target?.titles.get(x);
rows.push({ from: cur, ref: `第 ${m[1]} 节第 ${x} 条`, title, line: i + 1, ctx: ctxOf(line, m.index) });
if (!title) problems.push(`${f}:${i + 1} 第 ${cur} 条引用「第 ${m[1]} 节第 ${x} 条」——该节没有这一条`);
}
}
// 节内:扫所有「第 X 条」,不限引导词——正文里的写法远不止「见第 X 条」,还有
// 「按第 1 条压胸」「判断方法同第 4 条」「先对照第 8 条」「和第 4 条二选一」,
// 早先只认三种引导词,这些全漏在扫描之外。来源栏整行不扫(全是法条条款号)。
if (!FIELDS.test(line)) return;
const stripped = line.replace(/第\s*\d+\s*节第\s*[\d、,\s]+?\s*条/g, '');
for (const m of stripped.matchAll(/第\s*([\d、,\s]+?)\s*条/g)) {
// 前面十几个字里出现法规名或文号的,是法条条款号不是条目引用,跳过
const pre = stripped.slice(Math.max(0, m.index - 16), m.index);
if (/法|条例|办法|规定|准则|解释|细则|号〕|〕|号,|公约|宪法/.test(pre)) continue;
for (const x of nums(m[1])) {
const title = self.titles.get(x);
rows.push({ from: cur, ref: `本节第 ${x} 条`, title, line: i + 1, ctx: ctxOf(stripped, m.index) });
// 节内引用超出本节条目数的,多半是法条条款号被误当成条目引用,列出来人工看
if (!title) problems.push(`${f}:${i + 1} 第 ${cur} 条引用「第 ${x} 条」——本节只有 ${self.titles.size} 条(可能是法条条款号)`);
if (x === cur) problems.push(`${f}:${i + 1} 第 ${cur} 条引用了它自己`);
}
}
});
// 启发式查错位:引用紧挨着的那几个字通常就是它想指的东西(「医疗救助(见第 11 条)」),
// 若这几个字和目标标题连两个字都对不上,多半指错了,列出来人工看。会有误报
// (引用前是「见」「参见」这类虚词时),但能把 288 处缩小到十几处。
for (const r of rows) {
if (!r.title) continue;
const tail = r.ctx.slice(-8);
let hit = false;
for (let i = 0; i + 2 <= tail.length && !hit; i++) {
const bg = tail.slice(i, i + 2);
if (/^[一-龥]{2}$/.test(bg) && r.title.includes(bg)) hit = true;
}
if (!hit) suspects.push(`${f}:${r.line} 第 ${r.from} 条 →「${r.ref}」${r.title.slice(0, 22)}… 上下文:…${r.ctx}…`);
}
if (!rows.length) continue;
total += rows.length;
out.push(`## ${basename(f, '.md')}\n`);
out.push('| 出处 | 引用 | 指向的条目 | 引用处的上下文 |');
out.push('| --- | --- | --- | --- |');
for (const r of rows) {
const title = r.title ? r.title : '**指向不存在的条目**';
out.push(`| 第 ${r.from} 条 | ${r.ref} | ${title} | …${r.ctx}… |`);
}
out.push('');
}
const body = [
'# 交叉引用对照表',
'',
'本文件由 `node tools/check-refs.mjs` 生成,不要手改。',
'',
'正文里的「第 X 条」只记条号不记内容,插入或删除条目会让后面的引用集体错位,',
'而错位后的条号往往仍在范围内,光查越界抓不到。所以把每处引用**实际指向的标题**',
'摊开写在这里并入库:改完条目重新生成,`git diff` 里凡是条号没动而标题变了的,',
'就是被顺延撞歪的引用。',
'',
`共 ${total} 处引用。`,
'',
...out,
].join('\n');
if (problems.length) {
console.log('需要人工确认:');
for (const p of problems) console.log(' ' + p);
console.log('');
}
// 这个启发式误报率极高(中文里「未遂之后的长期结局见第 30 条」指向「念头一冒出来
// 先告诉身边的一个人」完全正确,却一个字都不重叠),288 处能报出 159 处,没有筛选
// 价值,所以默认不输出,只留给一次性人工排查用。真正靠得住的是下面那张对照表的 diff。
if (process.argv.includes('--suspect') && suspects.length) {
console.log(`引用处的措辞和目标标题对不上(${suspects.length} 处,误报很多,仅供人工排查参考):`);
for (const s of suspects) console.log(' ' + s);
console.log('');
}
if (CHECK_ONLY) {
const fatal = problems.filter(p => p.includes('该节没有这一条') || p.includes('引用了它自己'));
console.log(fatal.length ? `发现 ${fatal.length} 处失效引用` : '引用检查通过');
process.exit(fatal.length ? 1 : 0);
}
writeFileSync(resolve(ROOT, 'docs/引用对照.md'), body, 'utf8');
console.log(`已写入 docs/引用对照.md,共 ${total} 处引用`);