17-02 原始快照重清洗

题目

先推导：同一原始输入、清洗规则版本和旧报告怎样关联。完成时核对：新规则可复查，旧报告仍有明确解释。

推导与做法

原始快照与清洗报告分开保存。快照用内容摘要标识，报告记录 source_hash 和 rule_version，因此同一原文可以按不同规则重新处理。

v1 保留 DATA、data 两个标签，v2 统一大小写后去重。两份报告仍引用同一个原始摘要，旧报告没有被新规则覆盖；以后解释旧统计时，可以还原当时采用的规则。

过程图

%% 每个节点保留输入、执行位置或执行后的实际状态。 flowchart TD S0["原文快照内容摘要H"] S1["规则v1清洗：保留DATA与data"] S0 --> S1 S2["规则v2重清洗：合成data"] S1 --> S2 S3["两份报告都指向H，分别记录规则版本"] S2 --> S3 classDef default fill:#EEF0FB,stroke:#4657B5,color:#24324A linkStyle default stroke:#4657B5

实现与运行

查看带注释实现。本题与相关处理函数放在同一章节代码文件中；启动工具负责定位相邻项目和选择题号。

在配套目录的 综合项目与交付/model_project 中运行。先按项目 README 执行 uv sync --locked。

# 使用项目解释器运行本题，题号决定执行哪一组演示。
uv run python "../../学习索引/参考实现/代码/ch17.py" 17-02

程序按题号输出处理后的值、查询结果或状态。先和前面的手算比较，再修改一项输入重跑。

查看本题运行结果

# 与上面的手算状态和题目数值逐项比较。
{
  "raw": {
    "source_id": "b101",
    "title": "  Python  ",
    "tags": [
      "DATA",
      "data"
    ]
  },
  "reports": [
    {
      "source_hash": "3afe12404cc2ea5586902b79652380c4c467cc8cd740fb8c63b315081b0d4fb8",
      "rule_version": 1,
      "title": "Python",
      "tags": [
        "DATA",
        "data"
      ]
    },
    {
      "source_hash": "3afe12404cc2ea5586902b79652380c4c467cc8cd740fb8c63b315081b0d4fb8",
      "rule_version": 2,
      "title": "Python",
      "tags": [
        "data"
      ]
    }
  ],
  "same_source": true
}