《曲海总目提要》服饰提取日志

基本信息

处理流程

第一步：统计文件

• wc -l 获取总行数：6745行
• 文件为UTF-8编码，含CRLF换行符

第二步：关键词grep

使用47个服饰关键词逐一grep：

• 衣、裳、冠、带、袍、裘、褐、巾、履、屦、绅、袂、裾、襟、裙、幅、弁、冕、簪、珥、佩、环、绮、罗、纱、绢、帛、锦、绣、练、絮、布、麻、丝、绸、缎、缯、绫、纨、绡、绶、绂、黼、黻、鹖、帻、帷、帐、幄、旗、旌、旆、纛

初始命中行数：1173行（占全书17.4%）

关键词命中分布（前10）：

第三步：噪音过滤

识别并过滤以下噪音类型：

1. 带：地带、带领、带兵、带有 → 过滤，仅保留玉带、金带、犀带等服饰用法
2. 布：布置、分布、宣布、布施、布袋 → 过滤，仅保留布衣、布袄等服饰用法
3. 冠：冠军、冠以 → 过滤，仅保留冠带、加冠、玉芙蓉冠等服饰用法
4. 练：练习、训练 → 过滤
5. 幅：篇幅、幅员 → 过滤，仅保留裙幅等
6. 佩：钦佩、敬佩 → 过滤，仅保留佩玉、环佩等
7. 环：环境、环绕、循环 → 过滤，仅保留玉环、银环等
8. 帐：帐目、帐户 → 过滤，仅保留帷帐、五色帐等

过滤后高置信度服饰内容行：362行

第四步：分类整理

使用Python进行分类，将362行内容归入以下类别：

• 衣类（158行）、袍类（19行）、裘类（4行）、冠类（31行）、带类（33行）
• 巾类（9行）、履类（4行）、裙类（8行）、簪珥类（19行）、佩类（7行）
• 环类（24行）、纱类（11行）、帛类（24行）、锦绣类（25行）、绶绂类（7行）
• 帷帐幄类（11行）、绨袍葛衣类（17行）、荆钗布袄类（8行）、朝服类等

第五步：精选输出

从362行中精选最具服饰史料价值的条目，按类别组织输出。 同时收录含服饰关键词的剧目名47种。

输出文件

质量控制

• ✅ 引用原文不转述
• ✅ grep行号可验证
• ✅ 未加载整本TXT到内存（使用行号定位提取）
• ✅ 每篇≤20KB
• ✅ 不凑字不灌水
• ✅ 噪音过滤已执行

备注

• 本书中服饰内容主要散见于戏曲剧目提要的人物装扮描写、官服制度引述、赐服情节叙述
• "衣"类最多（158行），但需注意"衣饭"（生计义）等非服饰用法已尽量过滤
• 剧目名含服饰关键词者47种，录于原文提取附表