宋诗钞 服饰内容提取日志
基本信息
- 书名：宋诗钞
- 文件路径：/home/z/my-project/upload/诗集/诗集/宋诗钞.txt
- 输出路径：/home/z/my-project/upload/诗集output/宋诗钞/
- 处理时间：2026-03-05
第一步：wc统计
79503 行 39922 词 5917558 字节
第二步：5轮grep
第1轮：核心词（衣裳裘冠冕弁帻巾帽佩玉带绶笏舄履靴袍衫裙褶袂襟领）
- 命中行数：6,336行
- 输出文件：grep_round1.txt
第2轮：材质词（锦绮绢帛丝缎绫罗纱缟绸葛麻褐布绵茧）
- 命中行数：2,840行
- 输出文件：grep_round2.txt
第3轮：色彩纹饰词（紫绯朱赭青绿白玄黄丹素绣纹章黼黻华）
- 命中行数：10,551行
- 输出文件：grep_round3.txt
- 注：本轮命中过多，颜色词在诗歌中泛用，需后续严格过滤
第4轮：制度词（服赐服赐紫赐绯品色舆服章服冠服朝服祭服丧服常服加冠衮）
- 命中行数：365行
- 输出文件：grep_round4.txt
第5轮：配饰词（簪钗钿珰珥环镯鱼袋幞头云肩霞帔蔽膝芾韠佩鱼）
- 命中行数：582行
- 输出文件：grep_round5.txt
5轮合并去重
第三步：靶向grep精筛
- 第1次靶向grep（复合服饰词组）：901行
- 第2次靶向grep（材质+色彩+服饰组合）：358行
- 合并去重：1,109行
第四步：Python正则二次过滤
- 输入：1,109行候选
- 使用50+个正则模式匹配真正的服饰内容
- 输出：1,052行服饰相关内容
第五步：分类整理
| 类别 | 条数 |
|---|
| 衣裳 | 550 |
| 材质 | 165 |
| 袍衫裙 | 148 |
| 色彩纹饰 | 98 |
| 首饰配饰 | 62 |
| 裘褐 | 52 |
| 履舄靴 | 51 |
| 带绶佩笏 | 40 |
| 冠帽 | 36 |
| 其他服饰 | 29 |
| 服制 | 24 |
| 合计 | 1,052（有交叉） |
第六步：审查
- 误检情况：部分"衣"字用法为"衣钵""锦肠"等非服饰用法，已尽量排除但仍可能有少量残留
- 漏检可能：单独出现的颜色词未纳入（如仅"紫"字而无服饰搭配）
- 总体质量：较高，1,052条均为服饰相关或密切相关内容
输出文件
- 宋诗钞_总结.md —— 服饰内容总结分析
- 宋诗钞_日志.md —— 本文件，处理日志
- 宋诗钞_原文提取.md —— 服饰原文分类提取