项目垃圾清理（扫描 → 分档 → 断言删除 → 留清单）
用户口径铁律：清理范围由用户拍板，不许自己扩档。
本技能的价值不是"删得多"，而是删得敢删、且事后能追溯。
0. 铁律：先全盘扫描，再看已知目录
★ 我在 2026-09-16 就栽在这里：交接单说"某文件夹里有 8 个试制品"，
我就只 glob 了那个文件夹，清掉 145 个 .old 后一补扫 —— 全盘实为 1603 个。
已知目录只是线索，范围必须靠 os.walk 全盘数出来。
for r, d, fs in os.walk(BASE):
for f in fs: ...
统计口径给两项：(占用 MB, 文件数)。用 Python 算，别用 shell 的 stat
（Git Bash 下 find | while read | stat -c%s 遇到中文路径会返回 0 —— 本次实测被骗过一次）。
1. 分档报价（用户只挑一档，别自作主张合并）
按「删了会不会后悔」分两档，先把数报清：
| 档 | 判据 | 例子 |
|---|---|---|
| 零风险 | 删了没有任何信息损失 | *.old* 覆盖残留、_work_*.tmp 临时工程、排查中间 png、已逐字节验证过的重复 zip、纯缓存目录 |
| 需点头 | 能再生 / 是上一代，但要付出重跑成本 | 渲染掩膜缓存 _mask*、分类缓存、旧版 shp/tif、一次性脚本与笔记 |
报价时必须同时给「再生代价」（如"掩膜删了要重跑 prep_*_maps，慢"），
否则用户没法拍板。
2. 三条删除前断言（每条都是从事故边缘拉回来的）
2.1 .old* 墓碑：现役件必须存在 ★最重要
os.rename(p, p+'.old') 式覆盖会留下 X.old、X.old.old.old.old（每覆盖一次叠一层）。
删前断言去掉首个 .old 及其后所有后缀的"现役件" X 仍然在：
f = os.path.basename(p)
i = f.find('.old')
base = os.path.join(os.path.dirname(p), f[:i]) # town.cpg.old.old → town.cpg
if not os.path.isfile(base):
keep.append(p); continue # 现役件缺失 → 这是唯一副本，跳过并报出来
os.remove(p)
这条断言让"批量删墓碑"从危险操作变成安全操作，永远照做。
2.2 重复压缩包：逐文件 sha1 比对，别信文件名/大小
A.zip 与 A/ 目录同名不等于内容相同。本次删 139 MB zip 前跑了：
for n in zipfile.ZipFile(z).namelist():
if n.endswith('/'): continue
assert sha1(z.read(n)) == sha1(open(os.path.join(base, n), 'rb').read())
15/15 全等才删。有一个不等就整包留着。
2.3 先写清单再动手
清单内容 = 每个待删文件的 路径 + 字节数 + sha1前12，外加 freed_bytes / failures。
落盘到 03_归档与废弃\_清理记录_YYYYMMDD\清理清单*.json。
顺序必须是"写清单 → 删除"，不能边删边记。
3. 只读文件：WinError 5
GDAL / WPS / ArcGIS 产出的文件常是只读（-r--r--r--）。直接 os.replace / shutil.rmtree
会 PermissionError: [WinError 5] 拒绝访问。标准写法：
# 单文件
st = os.stat(p); os.chmod(p, st.st_mode | 0o200)
try: ...改/删...
finally: os.chmod(p, st.st_mode & ~0o222) # 还原只读
# rmtree
def on_rm_error(func, path, exc):
os.chmod(path, os.stat(path).st_mode | 0o200); func(path)
shutil.rmtree(d, onerror=on_rm_error)
4. 动文件前先看进程（防文件锁）
MSYS_NO_PATHCONV=1 tasklist | grep -iE "arcmap|arcgis|wps|excel"
- ArcMap 在跑 → 别动
.mxd（会删失败或拖挂）。 - WPS 在跑（导 PDF 残留很常见）→ 只挪该目录的 png/中间图，别碰 docx/pdf。
- 只挪不删更稳：
os.replace(p, os.path.join(dir, '_debug', name))。
5. 收尾：复检 + 报告"实际释放"
删除后必须重扫一遍，给出三项实测，别只说"已完成"：
残留 *.old* : 0 个
残留 _mask* 目录 : 0 个
目录现总体积 : 128.2 GB（清理前 132 GB）
（du 的块计账与按字节求和会有差；报告时用同一口径说清。）
6. 本类项目的高频垃圾清单（遥感/财政类项目实测）
| 模式 | 性质 | 档 |
|---|---|---|
*.old / *.old.old.old.old |
os.rename(p,p+'.old') 覆盖残留 |
零风险（带 2.1 断言） |
_mask\ / _mask_prev\ / _mask_0915b\ |
出图掩膜缓存，逐 AOI×期次×乡镇 | 需点头（可重跑再生） |
_work_*.mxd |
ArcMap 临时出图工程 | 零风险 |
_旧图名.png / _cover_200.png / 封皮_*对比.png |
排查中间图落在正式交付夹里 | 零风险（挪 _debug\，先别删） |
_cache\（vidx_*.tif） |
分类缓存 | 零风险 |
_*.py 散落在会话目录 |
一次性脚本 | 需点头 |
与目录同名的 .zip |
可能是重复包 | 零风险但必做 2.2 校验 |
旧版 *.shp（v1/v2/v4/v5_fix*） |
已被现行版取代 | 需点头，逐个列给用户标 |
*.tar.gz + 同名解包目录 |
压缩包与解压内容并存 | 零风险（先数解包件数，完整才删包） |
extracted\（错位的第二次解包） |
同一景解了三遍 | 零风险，逐字节比对主件后删 |
_cache_*.gpkg / _sas_cache.json |
处理缓存 | 零风险（可重生） |
*.rrd |
ERDAS 金字塔 | 零风险（同名 .img 在即可重建） |
同一天多版本 X.shp/X_v2.shp/X_v3.shp |
当日迭代链（尺寸常完全相同） | 需点头，留最新 + 名字最"正式"的那个 |
_chk_*.csv / _diag_*.csv |
质检/诊断导出 | 零风险（工具可重生成） |
_cover_cmp\ / _verify_tmp\ |
版式试制 / 校对临时 | 零风险 |
注意：同名的旧版图件可能是在产交付物（例：作物长势_逐图斑.shp 1.05 GB，
是甲方点名要的"长势按地块做"）→ 大字标出来，明确说"未确认前不动"。
8. ★ 执行期两个坑（2026-09-16 实测，都吃过亏）
坑 A：脚本超时被自动重跑 → 输出说"跳过/不存在"，实际首次已经删光
删 6 GB 级大文件时，前台脚本会被超时掐断、stdout 整段丢失；系统随后自动重跑一次，
于是第二次看到的全是"不存在 → 跳过"。只信这次输出会误判成"一项都没删"（当时 39 项已删，
输出却显示跳过 29 项）。
- 判据：报告"不存在"的项里，若包含你几分钟前刚亲眼扫到的大文件，就是重跑假象。
- 正确做法：删完后另起一个只读 probe 脚本逐路径 os.path.exists 复核 + 重算目录体积，
以 probe 为准，再把首次删除补记进审计清单（note 说明两次执行）。
- 预防：单批删除控制在 ≤5 GB，或改用后台运行。
坑 B：python -c "...\..." 里的反斜杠会被 shell 吞
r'...\' + x 经 bash 传递后变成 \，直接 SyntaxError: unterminated string literal（本次两次）。
- 规则：凡是跨多行、或含中文路径拼接的脚本，一律 Write 成 .py 再执行，不要用 -c。
坑 C：find / stat 在 Git Bash 下对中文路径会静默失败
stat -c%s 拿不到中文名文件的大小（返回空 → awk 求和为 0）。
- 规则：中文路径下统计一律走 Python os.walk + os.path.getsize，别用 shell 工具。
7. 汇报模板
- 分档表格（项 / 数量 / 占用 / 建议）
- 明确写「一个文件都没动」再问范围（扫描阶段）
- 执行后：逐档
动作 / 数量 / 结果表 + 复检三项 + 释放总量 - 把没做的也列出来（漏扫更正、需点头项、不敢动项）—— 用户最需要知道的是边界
