教材科学方法遍历与汇总

把一套教材的科学方法呈现情况做成可交付的审计报告。机器负责粗筛与校验，你负责精读与判读——
两者不能互相替代：正则只能告诉你"哪一节可能有什么"，只有读了原文才能判断这句话到底是显性点名还是隐性体现。

产出

同一次运行产出两版，数据同源、绝不漂移：

• <名称>.html —— 交互式报告：侧栏 26 法导航 + 全文搜索、章×方法矩阵、节级密度表、A4 打印样式
• <名称>.md —— 同一份数据的 Markdown 版，便于二次编辑与归档

前置条件

• Python 3（Windows 用 d:/hybjy/anaconda3/python.exe；已装 PyMuPDF 用于印页定位）
• 教材全文 md（MinerU 等工具转写），按册分成若干文件
• 教材 PDF（可选，用于印页定位；没有则报告缺页码，其余照常）
• 标尺文件：初中物理科学方法三层分类体系.md（用于自动填充每法的定义与本质）

适用版本

已验证可用的初中物理教材版本（任选其一即可跑通五步流程）：

• 沪科版（廖伯琴主编，2024 版）—— scripts/examples/config_huke.py
• 人教版（2024 版）—— scripts/examples/config_renjiao.py
• 其他版本（科教/北师大/苏科/沪粤/鲁科/京版/李春密/沪科粤等）：复制 scripts/config_template.py 改为 config_<版本>.py，按本技能的五步流程自行配置即可；坑位见 references/pitfalls.md。

> 约束：教材需有 MinerU 等工具转写的 markdown 全文（按册分文件）；PDF 用于印页定位，扫描件无文字层时报告缺页码、其余照常。

五步工作流

先建一个工作目录（例如教材同级的 科学方法/），全部脚本与中间产物都放里面。

Step 0 · 写版本配置

复制 scripts/config_template.py → config_<版本>.py，逐项填写。
参照已验证的范例：scripts/examples/config_huke.py 或 scripts/examples/config_renjiao.py。

必须填对的三项：

可选但强烈建议填对的两项：

Step 1 · 抽 PDF 逐页文本

python scripts/extract_pages.py --config config_xx.py --out pages.pkl

无文字层的扫描件会当场提示，这类册印页不可用。

Step 2 · 标定印页偏移

在 config 的 CALIB 里填 3~5 个锚点（节名或正文首句中的独特文字 → 教材印页，从目录/教材抄）：

CALIB = {'八上': [('动与静', 10), ('快与慢', 15), ('光的反射', 63)],
         '九下': [('磁的奥秘', 135), ('通电螺线管外部磁场的方向', 141)]}

python scripts/calibrate.py --config config_xx.py --pages pages.pkl [--write]

--write 直接写回 POFF。锚点要长且唯一——短节名会出现在页眉上，导致多个偏移并列。
脚本会报告并列情况，并列时人工抽查 2 页确认。

再填 PGRANGE（该册正文首页印页 ~ 末页印页）。这步不能省：不设就会出现 P-5 这类匹配到目录页的假页码。

Step 3 · 切分 + 粗筛

python scripts/prepare.py --config config_xx.py --work work/

产出 sections.json（节清单）与 scan.json（26 法 × 命中最高前 8 节 + 命中片段）。
控制台会打印章节清单与结构自检——章号不连续、节名为空、未归属到章都会报出来，必须先修到"自检通过"。

Step 4 · 精读，写证据库（核心工作量，只能你来做）

读 scan.json 的候选片段，回到原文确认，然后写 evidence.py：

EVID = {
 'A3': {
   'ex': [ (('八上', 6, 4), '能运用控制变量法收集证据', '实验目的第2条，教材直接点名'),
           (('八上', 6, 4), '在探究压力大小对滑动摩擦力大小的影响时，要保持接触面的粗糙程度等因素不变', '「变什么/控什么」逐一写清') ],
   'im': [ (('九下', 19, 3), '实验时保持磁体位置不变', '隐性控制变量的典型句式') ] },
 # … 26 法全部
}

• ex = 显性点名（教材出现方法名或学名）；im = 隐性体现（没出现方法名但执行了该方法）
• 每条：((册, 章, 节), '教材原句', '说明')
• 原句逐字照抄，不许改写——脚本会回查，改了一个字就校验失败
• 每法 6~9 条，覆盖不同章，选最有教学价值的而非最好找的
• 判读口径见 references/three-layer-ruler.md（含 26 法逐条识别特征与易错点）

顺手写 content.py（可选但强烈建议）：

• TIPS[mid] 每法一条教学提示
• CHAINS 5~6 个典型课例的 A→B→C 三层方法链
• LM 教材栏目 → 承载的方法（19 个栏目量级）
• SUG[mid] 隐性方法的显性化补位话术

Step 5 · 生成双版报告

python scripts/build.py --config config_xx.py --evidence evidence.py \
                        --content content.py --work work/ --out "XX版初中物理科学方法汇总"

脚本会先校验：引文是否真在原文里、节定位是否成功、页码是否落在合法区间。
见到"校验告警 0 条"才算合格；有告警就回到 Step 4 修证据，不要用手工改产物来绕过。

最小调用示例（5 行跑通沪科版）

已验证的沪科版工作流最简路径：

# 复制范例配置 → 落到工作目录
cp scripts/examples/config_huke.py 科学方法/config_huke.py
mkdir 科学方法/work

python scripts/extract_pages.py --config 科学方法/config_huke.py --out 科学方法/pages.pkl
python scripts/calibrate.py     --config 科学方法/config_huke.py --pages 科学方法/pages.pkl --write
python scripts/prepare.py       --config 科学方法/config_huke.py --work 科学方法/work/
# 人工写 evidence.py / content.py 后：
python scripts/build.py         --config 科学方法/config_huke.py --evidence 科学方法/evidence.py \
                                --content 科学方法/content.py --work 科学方法/work/ \
                                --out "沪科版初中物理科学方法汇总"

跑完一次后再换版本：把 config_huke.py 改名复用、Step 4 的证据按新章节重写一遍。

交付前自检

• [ ] prepare.py 报"章节结构自检通过"
• [ ] build.py 报"校验告警 0 条"
• [ ] 报告里没有 P—（缺页）和 页待核
• [ ] 抽查 3 条引文，翻到教材对应印页确认对得上
• [ ] HTML 顶部没有样式代码泄漏（<style> 应只有一对）

更多坑位（切分形态、分册错位、OCR 质量、CSS 拼接）见 references/pitfalls.md。

文件说明