《全唐诗》服饰内容提取日志

基本信息

• 书名：全唐诗
• 文件路径：/home/z/my-project/upload/诗集/诗集/全唐诗.txt
• 输出路径：/home/z/my-project/upload/诗集output/全唐诗/
• 文件大小：13MB
• 总行数：188,268行
• 处理时间：2026年3月5日

处理流程

步骤1：文件基本信息

wc -l /home/z/my-project/upload/诗集/诗集/全唐诗.txt
# 结果：188268 行
ls -lh /home/z/my-project/upload/诗集/诗集/全唐诗.txt
# 结果：13M
mkdir -p /home/z/my-project/upload/诗集output/全唐诗/

步骤2：第1轮grep — 核心服饰词统计

for kw in 衣 裘 冕 弁 帻 巾 帽 佩玉 带 绶 笏 舄 履 靴 袍 衫 裙 褶 袂 襟 领; do
  count=$(grep -c "$kw" 全唐诗.txt 2>/dev/null || echo 0)
  echo "$kw: $count"
done

结果：

• 衣:4231 裘:362 冕:180 弁:43 帻:45 巾:576 帽:174
• 佩玉:19 带:1722 绶:334 笏:49 舄:72 履:479 靴:26
• 袍:318 衫:274 裙:267 褶:2 袂:238 襟:685 领:342

步骤3：第2轮grep — 材质词统计

for kw in 锦 绮 绢 帛 丝 缎 绫 罗 纱 缟 绸 葛 麻 褐 布 绵 茧; do
  count=$(grep -c "$kw" 全唐诗.txt 2>/dev/null || echo 0)
  echo "$kw: $count"
done

结果：

• 锦:1449 绮:768 绢:53 帛:164 丝:1498 缎:1
• 绫:42 罗:2457 纱:353 缟:32 绸:29
• 葛:239 麻:323 褐:148 布:571 绵:360 茧:65

步骤4：第3轮grep — 色彩纹饰词统计

for kw in 紫 绯 朱 赭 青 绿 白 玄 黄 丹 素 绣 纹 章 黼 黻 华; do
  count=$(grep -c "$kw" 全唐诗.txt 2>/dev/null || echo 0)
  echo "$kw: $count"
done

结果：

• 紫:2295 绯:50 朱:1834 赭:35 青:6428 绿:2802
• 白:12636 玄:1398 黄:4217 丹:2121 素:1303
• 绣:820 纹:113 章:2125 黼:20 黻:14 华:3742

步骤5：第4轮grep — 制度词统计

for kw in 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; do
  count=$(grep -c "$kw" 全唐诗.txt 2>/dev/null || echo 0)
  echo "$kw: $count"
done

结果：

• 赐服:2 赐紫:5 赐绯:3 品色:0 舆服:0 章服:8 冠服:0
• 朝服:23 祭服:0 丧服:0 常服:3 加冠:1 衮:130

步骤6：第5轮grep — 配饰词统计

for kw in 簪 钗 钿 珰 珥 环 镯 鱼袋 幞头 云肩 霞帔 蔽膝 芾 韠 佩鱼; do
  count=$(grep -c "$kw" 全唐诗.txt 2>/dev/null || echo 0)
  echo "$kw: $count"
done

结果：

• 簪:521 钗:297 钿:214 珰:71 珥:40 环:466
• 鱼袋:3 幞头:3 霞帔:12 蔽膝:5 芾:3 佩鱼:2
• 镯:0 云肩:0 韠:0

步骤7：sed抽样提取上下文验证

共执行25次sed提取操作，关键验证记录如下：

步骤8：分类整理与审查

• 按五大类别整理：礼服制度、日常服饰、舞乐服饰、女性装饰、胡汉交融
• 对抗式审查发现：高频色彩词（白、青、绿等）大量为非服饰用法，不可直接计入
• 制度词虽少但精准，史料价值高
• 霓裳羽衣为唐诗特有服饰大类

处理原则遵守情况

1. ✅ 未整本载入LLM，全部通过grep+sed处理
2. ✅ 服饰关键词由内置词库决定
3. ✅ 三篇MD单篇不超20KB
4. ✅ 据实撰写不灌水
5. ✅ 做对抗式审查
6. ✅ 日志记录命令
7. ✅ 原文提取带行号
8. ✅ 文件命名遵循规范