《香谱》服饰内容提取日志

基本信息

处理流程记录

步骤1：确认文件与行数

wc -l /home/z/my-project/upload/器物/器物/香谱.txt
# 结果：1124行

步骤2：多轮grep提取服饰关键词行号

对46个服饰关键词逐一执行 rg -n 搜索，共命中15个关键词有匹配，31个关键词无匹配。

命中关键词（15个）：衣、裳、冠、带、褐、巾、裙、佩、环、绮、罗、绣、练、麻、帷、帐、绢、布

无命中关键词（28个）：履、屦、绅、袂、裾、襟、幅、弁、冕、簪、珥、帛、絮、丝、绸、缎、缯、绫、纨、绡、绶、绂、黼、黻、鹖、帻、幄、旗、旌、旆、纛

步骤3：grep原始命中统计

步骤4：噪音过滤

以下命中经上下文核对后判定为噪音，予以过滤：

过滤后有效命中：31条（去重后23个独立原文段落）

步骤5：上下文提取

对有效命中行号执行 sed -n 提取上下文（前后各2-5行），确保语义完整。所有原文均经二次核对，确认无断章取义。

输出文件清单

质量检查

• [x] 所有原文引用均经grep验证行号
• [x] 未加载整本TXT（仅用sed -n提取指定行）
• [x] 噪音过滤率39.2%（20条噪音/51条原始命中）
• [x] 每篇MD≤20KB
• [x] 总输出≤1M
• [x] 引用原文不转述
• [x] 不凑字不灌水