2 Commits

Include renames

Author	SHA1	Message	Date
sansenandClaude Code	b264073f2b	大交替串加首字符预筛：convert_text 提速 3.05x，输出零差异 ... CPython 的 re 不对大交替串 (?:A|B|...) 做首字符预筛——460 个年号的交替串在每个 位置都要把全部分支逐个试完才移向下一位。实测这类扫描占 convert_text 总耗时的 82% （sample_2.txt 1.03M 字符：扫描 7.05 / 总计 8.54 µs/字符），而其中多数模式只命中 0~134 处。 改法：给每个"以年号或朝代名开头"的模式前面加一个零宽前瞻 (?=[首字集合])。前瞻不 消耗字符，只在当前位置断言下一个字符属于集合。预筛字符集从与模式**同一份源数据** 推导（_dynasty_names / _dynasty_prefix / KNOWN_ERAS_ALL），CSV 加新年号时自动同步。 三种预筛：_GATE_DYNASTY（朝代组必选）/ _GATE_DYNASTY_OPT（_dynasty_opt 可空）/ _GATE_ERA（朝代组为空）。 结果为什么不变（结构性保证，非经验之谈）：前瞻只拒绝「原模式根本不可能开始匹配」的 位置 → 匹配集合完全相同 → 捕获组相同 → 后续执行序列一致 → 输出逐字段一致。 不加预筛者（前提不满足）：公元段（前缀整个可选）、裸干支段（以干支对开头）、 民国段（以字面量 民 开头，re 自带前缀优化）。 顺带把 2b/3/3b 段的 4 个正则从 extract_era_years 内提到模块级：只编译一次，且差分 测试能取到它们。 验证： - 全字段快照比对：sample.txt 1766 / sample_2.txt 20188 / test/sample.txt 14 / test/sample_crosscheck.txt 11，全部 19 个字段逐条一致，零差异 - pytest 260 passed（新增 TestFirstCharGate 3 条）、summary.py 96/96 - 速度：sample_2.txt 8.53s → 2.80s（3.05x）、sample.txt 0.64s → 0.21s（2.99x） - 3.8.10 下编译通过（部署目标） - 变异测试：手动砍掉预筛里一个首字符后，差分测试立即失败并指出漏掉的 "万历二十三年" —— 证明这道护栏真的能挡住坏的预筛 Co-Authored-By: Claude Code <noreply@anthropic.com>	2026-09-23 17:14:13 +08:00
sansenandClaude Code	f4613a8da2	重命名 parser.py → era_parser.py：适配 Python 3.8.10 部署 ... `parser` 在 Python 3.8/3.9 是标准库内置模块（已弃用的旧语法解析器）。 BuiltinImporter 排在 sys.meta_path 第一位，优先于任何 sys.path 条目—— 即使 sys.path[0] 指向项目根，`from parser import convert_text` 也会拿到内置 模块并抛 ImportError: cannot import name 'convert_text' from 'parser' (unknown location)。该模块 3.9 弃用、3.10 才移除，故 3.8/3.9 部署环境都会中招。 - client_app.py: from parser import * → from era_parser import * - era_data.py: 文档注释同步 - 纯重命名，无内容改动（git 识别为 100% similarity） test/ 下的 extract.py / summary.py / test_parser.py 也已同步改导入，但 test/ 被 .gitignore 忽略，不入库。CLAUDE.md / AGENTS.md 同样已更新（含「不要改回 parser.py」的警告），亦被忽略。 验证：pytest 257 passed；summary.py 96/96；语料回归 sample.txt 1766 条、 sample_2.txt 20188 条，与改名前完全一致。 Co-Authored-By: Claude Code <noreply@anthropic.com>	2026-09-23 16:56:45 +08:00