《钦定蒙古源流》服饰提取工作日志

任务信息

• Task ID: 30-d
• 输入文件: /home/z/my-project/upload/part4/钦定蒙古源流.txt
• 输出目录: /home/z/my-project/upload/44output/钦定蒙古源流/
• 执行时间: 2025年

步骤记录

步骤1：wc -l 统计文件行数

$ wc -l /home/z/my-project/upload/part4/钦定蒙古源流.txt
292 /home/z/my-project/upload/part4/钦定蒙古源流.txt

• 文件共292行，但每行极长（行180/195/207/224/237等均为数万字符的超长行）
• 文件为卷帙连续排版，无自然段落分割

步骤2：多轮grep -n 提取服饰关键词

第一轮：核心词检索

第二轮：装饰词检索

第三轮：复合词精准检索

使用Python脚本对以下复合词进行精准检索并过滤人名/地名误匹配：

• 红帛、白衣、衬衣、舞衣、貂裘、缨冠、锦绣、财帛、绫縀、缎绢、币帛、黄衣、黄帽、袈裟、重铠、铁甲、虎皮、衣袖、衣襟、顶纹、貂皮、穿白衣、盔甲、裹饰、穿青衣、托音衣、靴、帽、氊、毳毛、金鞍、银杯

步骤3：误匹配过滤

需过滤的人名/地名误匹配（已排除）

过滤后保留的有效条目：约40条

步骤4：分类整理

将有效条目按以下7类归整：

1. 衣物类（15条）
2. 冠帽类（3条）
3. 裘皮类（5条）
4. 丝帛织物类（7条）
5. 甲胄武服类（5条）
6. 靴履类（2条）
7. 佩饰及其他（6条）

步骤5：产出3个MD文件

技术备注

1. 本文件行极长（单行可达数万字符），cut -c截断会导致UTF-8断字错误，改用Python处理
2. 人名/地名误匹配是本文件最大挑战，蒙古译名中大量包含"锦""布""罗"等字
3. 全书无"舆服志"式系统记载，所有服饰信息均为叙事中零散出现
4. rg -n对超长行输出过大，需配合Python做精细上下文提取与过滤