修复字符偏移2

parser.py

@@ -251,8 +251,8 @@ _patterns_dynasty = _build_pattern(with_dynasty=True)
 
 # === 主函数 ===
 def extract_era_years(text):
-    # 去除标记用的方括号/尖括号（用户标注用，非原文内容）
+    # 标注符号（[]、【】）不参与匹配，但保留在文本中——位置偏移以原始文本为准
-    text = text.replace('[', '').replace(']', '').replace('【', '').replace('】', '')
+    # （含换行/空格/标注），仅在收尾时把标注符号从"原文"字段剔除
     original_text = text
     simplified_text = normalize_chars(cc.convert(text))
     results = []
@@ -382,10 +382,18 @@ def extract_era_years(text):
         if not (1000 <= year_num <= 2100):
             continue
         # 公元年后紧跟的干支（如"公元一九六〇年庚子"）：无年号可锚定时，
-        # 干支就是年份的干支，并入同一日期单位并校验
+        # 干支就是年份的干支，紧邻时并入同一日期单位——保证 位置[start:end]==原文，
+        # 前端可按范围整体替换；隔标注符号时（【公元一九六〇年】庚子）干支只摘入字段校验
         ganzhi = simplified_text[end:end + 2]
         if ganzhi in _ganzhi_to_offset:
             end += 2
+        else:
+            j = end
+            while j < len(simplified_text) and simplified_text[j] in '[]【】':
+                j += 1
+            ganzhi = simplified_text[j:j + 2]
+            if ganzhi not in _ganzhi_to_offset:
+                ganzhi = None
         covered.update(range(start, end))
         raw_fan = original_text[start:end]
         era_type = "公元纪年（中华人民共和国）" if year_num >= 1949 else "公元纪年（近代/其他）"
@@ -638,6 +646,12 @@ def extract_era_years(text):
         if result.get("公元") is not None:
             result.setdefault("干支", gregorian_to_ganzhi(result["公元"]))
 
+    # === 收尾：原文剔除标注符号；位置保持原始文本偏移（含换行/空格/标注） ===
+    for result in results:
+        start, end = result["位置"]["起始"], result["位置"]["结束"]
+        result["原文"] = ''.join(ch for ch in original_text[start:end] if ch not in '[]【】')
+        result["原文(简体)"] = ''.join(ch for ch in simplified_text[start:end] if ch not in '[]【】')
+
     return results