交谊典僚属部 服饰内容提取日志

操作流程记录

第一步：文件信息确认

$ wc -c /home/z/my-project/upload/part1_extracted/交谊典僚属部.txt
251817 /home/z/my-project/upload/part1_extracted/交谊典僚属部.txt

$ file 交谊典僚属部.txt
Unicode text, UTF-8 text, with very long lines (5472), with CRLF line terminators

$ wc -l 交谊典僚属部.txt
219

文件特点：219行但行极长（最长5472字符），CRLF换行，rg直接搜索出现编码错误，改用Python处理。

第二步：五轮关键词逐词grep

使用Python脚本逐一检索五轮共59个关键词，结果如下：

第一轮：衣裳冠冕巾帽袍衫裙裘带佩履舄靴

第二轮：服色舆服冠服章服朝服祭服丧服吉服常服公服

第三轮：丝帛绢锦绮绫罗缎绸缂丝葛麻布褐

第四轮：紫袍绯袍绿袍赐紫赐绯鱼袋笏幞头金带玉带

注：紫衣(L62)为第一轮"衣"字命中，非第四轮"紫袍"命中。

第五轮：旂旗章珮环玦簪钗钿翠珠玉

第三步：上下文提取

对33行命中行提取±1行上下文，合并相邻行段后得到14个文本段，总字符数76,463。

第四步：对抗式审查

逐一审查33行命中，排除非服饰用法：

经审查，保留20行有效服饰内容，排除13行。

第五步：分类整理

将30条有效记录分为四类：
- 甲类：官服制度（10条）——核心内容
- 乙类：日常服饰与材质（8条）
- 丙类：首饰与饰品（6条）
- 丁类：诗文服饰意象（6条）

第六步：输出文件