304不锈钢质保书识别（RapidOCR 本地引擎）

批量识别不锈钢质保书（PDF 扫描件 / 图片 / Excel）：接收用户上传的单个文件或指定的本地文件夹，自动识别每份质保书所属钢厂，按对应模板抽取字段，输出标准化 Excel；也可按用户要求把质保书文件归类到子文件夹。一次最多处理 100 份质保书。全部识别在本地完成，零 API 成本，数据不出本地环境。

输出粒度为每个钢卷一行（V1.3）：卷号是标准列；一份质保书涉及多个钢卷时自动按卷拆成多行（证书级字段共用、卷级字段按卷提取）；单卷质保书仍为一条记录。

交互约束（必须遵守）

1. 输入必须由用户明确指定，禁止自行搜索。只处理用户明确给出的文件夹路径或明确上传的文件。不得自行扫描磁盘、猜测路径、搜索默认目录或"帮用户找找看"。用户只说"帮我识别质保书"而未给路径/文件时，必须先询问输入位置，拿到明确路径或文件后再执行。

2. 输出字段必须经用户确认，禁止直接产出。生成 Excel 前，先向用户展示标准列清单（见下方"输出格式"），请用户确认或增删列；用户确认后再执行导出。用户确认了自定义列集时，用 --fields "列1,列2,..." 传入。未经确认不得直接输出最终 Excel。

3. 单次上限 100 份（见"数量限制"）。

4. 识别过程禁止 AI 脑补（V1.4.1 硬规则，详见"AI 行为约束"）。识别=模板驱动+脚本输出，AI 不在识别中途改值、补值或"顺手修正"；发现疑似错误只记录问题清单，经用户确认后进模板/源码修复。

AI 行为约束（防脑补，V1.4.1 起为硬规则）

图像识别不清楚、版式没见过、字段拿不准时，AI 最容易"无限蔓延脑补"——凭常识猜值、中途修模板、反复重试，既耽误时间又引入错数据。因此：

1. 识别=技能能力，不是 AI 判断。识别与导出完全交给技能流水线（预处理 → OCR → 模板匹配 → 字段抽取 → Excel 导出），输出什么就是什么。AI 在识别过程中禁止：凭行业常识改值/补值、按"合理猜测"填充空列、中途临时改模板或脚本、对同一文件反复换口径重试。
2. 宁可留空，不可猜值。OCR 不清、模板未覆盖、数值异常时，按技能既有机制如实处理：该列留空 + 备注列标注复核（"部分卷级字段未识别，请人工复核"等），失败文件进 failures 清单。错数据比空数据更危险。
3. 新钢厂提前注册，不裸跑。遇到识别不了或匹配到 generic 兜底的新钢厂，先走"学习模式"：取 1~2 份样本校准并保存该钢厂模板（assets/templates/<厂名>.yaml），验证字段正确后再批量识别。禁止用 generic 兜底结果+AI 手工脑补凑数。
4. 问题后置处理。识别输出 Excel 后，AI 汇总"问题清单"（哪些列空、哪些值疑似错、哪些文件失败）反馈用户；修复一律经用户确认后作为模板/源码变更执行（版本号递增+回归验证），不在识别中途进行。
5. 快速出结果。用户要求"直接识别输出"时，一次跑完流水线并呈现 Excel 与问题清单即可，不因个别字段瑕疵阻塞整体交付。

环境准备

首次运行前确认依赖已安装（Python ≥ 3.8）：

pip install rapidocr onnxruntime pymupdf openpyxl rapidfuzz pyyaml pdfplumber

• rapidocr + onnxruntime：本地 OCR 核心引擎，基于 PaddleOCR 模型的 ONNX 推理，完全免费，支持中英文离线识别。
• pymupdf：将 PDF 页面渲染为高分辨率图片（默认 300 DPI）。
• openpyxl：生成最终 Excel；Excel 质保书直接读取。
• rapidfuzz：OCR 文本与模板字段之间的模糊匹配。

表格结构还原使用独立包（可选，英文表格模型已打包进 whl，中文模型需单独下载）：

pip install rapid-table

from rapid_table import RapidTable
import cv2

rapid_table = RapidTable()
img = cv2.imread("table.jpg")
table_html_str, _ = rapid_table(img)  # 返回 HTML 格式表格结构

性能参考：CPU 单页 A4 表格约 0.3 秒，内存约 200MB，无需 GPU。

批量处理（推荐入口）

用户提供文件夹或多个文件时，直接运行批量脚本，一次完成 预处理 → OCR → 模板匹配 → 字段抽取 → Excel 汇总：

# 基本用法：文件夹批量识别，输出汇总 Excel
python scripts/batch_process.py --input <文件夹或单个文件路径>

# 按钢厂分 Sheet 输出 Excel
python scripts/batch_process.py --input ./质保书 --group-by factory

# 按钢厂把质保书文件归类到子文件夹（复制，不动原文件）
python scripts/batch_process.py --input ./质保书 --classify-by factory --classify-dir ./已归类

# 混合：Excel 汇总 + 文件归类
python batch_process.py --input ./质保书 --group-by factory --classify-by factory

参数说明：

• --input：单个文件或文件夹（文件夹递归扫描 PDF/PNG/JPG/BMP/TIF/Excel）。
• --limit：单次数量上限，默认 100，硬上限 100 不可调高。找到的文件数超过上限时拒绝执行并提示分批。
• --group-by factory|product_type|date：Excel 按维度分 Sheet。
• --classify-by factory|product_type|date：把质保书原文件复制到 <归类目录>/<维度值>/ 子文件夹（复制而非移动，原文件保持不动）。
• --fields "证书编号,卷号,产地(钢厂),C,Cr,Ni,Rm,备注"：只输出用户确认过的列（逗号分隔，须为标准列名）；未指定时输出全部标准列。
• --table：启用 RapidTable 表格结构还原；未启用或缺包时自动降级为纯文本正则抽取。
• --output：指定 Excel 输出路径，默认 ./output/coa_batch_{timestamp}.xlsx。

处理结果以 JSON 输出：total / succeeded / failed / output / classify_dir / failures。单个文件处理失败不中断批次，失败清单在 failures 中返回，并提示用户人工复核对应文件。total 按文件计数，succeeded 按记录计数（每个钢卷一条记录，一证多卷时大于成功文件数）。

用户一次上传多份质保书时，同样用此脚本（把多个文件放入临时文件夹后以文件夹为输入，或逐个文件循环调用单文件流程）。

单文件处理步骤

1. 读取用户上传的文件，判断格式：
   - PDF：用 PyMuPDF 打开，逐页检查是否含文本层

   • 有文本层 → 直接用 pdfplumber 或 PyMuPDF 提取文字和表格结构
   • 无文本层（扫描件）→ 用 PyMuPDF 以 300 DPI 渲染为图片
   • 图片（PNG/JPG/BMP）：直接进入 OCR 流程
   • Excel：直接用 openpyxl 读取
   • 此步骤可直接运行 scripts/preprocess.py，输出统一的页面清单（manifest JSON）。

2. 对需要 OCR 的图片，调用 RapidOCR 进行文字识别：

python from rapidocr import RapidOCR engine = RapidOCR() result = engine(image_path) # result 包含每个识别文本及其坐标框

推荐直接运行 scripts/ocr_engine.py（封装了 RapidOCR 与 RapidTable 调用，输出 JSON）。

3. 对含表格的图片，额外调用 RapidTable 做表格结构还原（返回 HTML 表格，供后续按行列坐标抽值）。

4. 读取 assets/templates/ 下所有模板文件，匹配厂商标识（identifiers 字段）：
   - 先用精确子串匹配尝试
   - 失败时用 rapidfuzz.fuzz.partial_ratio 模糊匹配（阈值 ≥ 85）
   - 返回匹配度最高的模板；所有匹配度均低于阈值时使用 generic.yaml
   - 可直接运行 scripts/match_template.py。

5. 匹配成功后，运行 scripts/extract_fields.py，按模板规则抽取字段：
   - 正则表达式字段：直接从 OCR 全文文本中匹配
   - 表格坐标字段（source: table_html）：解析 RapidTable 输出的 HTML <table> 结构，按 mapping 中的 [行, 列] 定位取值
   - 输出为 JSON 记录列表：每个钢卷一条记录（模板设 coil_key 且识别出多个不同卷号时按卷拆行；单卷/未识别卷号/未设 coil_key 时为一条）
   - 中英文字段名对照见 references/field-mapping.md。

6. 运行 scripts/export_excel.py，生成 Excel 文件，默认输出 ./output/coa_result_{timestamp}.xlsx。支持 --group-by（可选值：factory / product_type / date），按指定维度分 Sheet 输出；支持 --fields 限定输出列。执行前必须完成"交互约束"第 2 条的字段确认。

7. 用户指定分类维度（按钢厂 / 按产品形态 / 按日期）时，按指定维度分组输出；用户要求"归类/整理质保书文件"时，用 batch_process.py --classify-by 把原文件复制到按维度命名的子文件夹。

字段抽取规则

通用字段分为以下层级：

• 标识类：证书编号、卷号（COIL No，V1.3 起为标准列）、合同号、炉号（HEAT No）、批号（LOT No）、钢种牌号（GRADE）
• 产品类：产品名称、规格尺寸、件数、支数、重量、交货状态
• 化学成分类：C、Si、Mn、P、S、Cr、Ni（304 标准范围：C≤0.08%，Cr 18.0-20.0%，Ni 8.0-10.5%）
• 力学性能类：抗拉强度 Rm、屈服强度 Rp0.2、伸长率 A%
• 追溯类：生产厂家、执行标准、签发日期

钢厂扩展字段示例：太钢质保书额外包含晶间腐蚀、无损探伤、硬度等检测项。

多卷拆分（V1.3）

模板通过两个声明支持"一证多卷、每卷一行"：

• 顶层 coil_key: coil_no：指定卷号字段。卷号正则在全文中找到 N 个不同值（N≥2） 时拆为 N 条记录；去重后仅 1 个值或未匹配到卷号时输出一条记录（与旧版取值一致）。
• 字段级 scope: coil：标记卷级字段（炉号、重量、规格、厚度/宽度/长度、钢坯号等）。多卷模式下，这些字段在「本卷号匹配起点 → 下一卷号匹配终点」的文本窗口内提取（窗口包含下一卷号行，使"尾锚下一卷号"类正则可命中）；单卷模式下忽略 scope，按全文提取（保证单卷结果与旧版完全一致）。
• 字段级 scope: coil_head（V1.3.2）：标记"排在卷号之前"的卷级字段（炉号、生产日期等）。头部窗口 = [上一卷号完整匹配终点（首卷为 0）, 本卷号完整匹配终点]，用于"日期→炉号→表面→卷号"这类版式（甬金/永旺）——卷号之前的信息属于本卷而非上一卷；若不用头部窗口，炉号会系统性错配到下一卷、最后一卷漏抽。生产日期需在 pattern 中锚定紧跟炉号的日期（如 '(\d{4}/\d{1,2}/\d{1,2})\s*\nA\d{6}A[A-Z]\d{2}'），避开头部窗口内的证书级签发日期。
• 字段级 scope: coil_seq（V1.4.1）：序列配对，用于列连排版式下"连排值块跟在全部卷号之后"的卷级字段（江苏甬金净重列先例）。此时 coil/coil_head 窗口都无效——所有卷号连排在最前面，任何窗口都切不到后面的连排块（单测验证：coil 窗口下前 N-1 卷为空、末卷错拿首卷值）。coil_seq 字段的 pattern 捕获整个连排值块（如甬金净重 '(?:0\.\d{3}\*\d{4})\n((?:\d{4,5}\n)+)一级品'——前锚 3 位小数实际规格、尾锚一级品防吃力学/合计数字块），引擎 finditer 全文找块、块内按行展开为值序列，第 k 卷取序列第 k 个值（超界留空进备注）；行块版式下每卷命中一小块，同一 pattern 通吃两种版式（块间命中与块内多值统一按序展开）。配 unit: kg 自动转吨。

证书级字段（证书编号、钢种、客户、签发日期等）取全文第一匹配，各卷共用。source: regex_text 字段组（chemical/tensile）自动配对：逐卷窗口验证——每个卷窗口内命中组内锚点正则（第一个 pattern）即按卷提取（组数与卷数不一致也允许，适配多卷共用同一炉号等版式）；任一窗口未命中锚点时整体降级为按证共用第一组，并在备注列标注人工复核（此时若全文锚点匹配数 > 1，额外标注 ambiguous 提示存在多组数据）。

已知局限：卷级字段按 OCR 文本顺序窗口提取，"排在本卷号之前"的卷级信息需用 scope: coil_head 显式声明（未声明时会漏抽并标注"部分卷级字段未识别，请人工复核"）；遇到新多卷版式时按"学习模式"补充校准。证书标签（钢种/品名/证书号等）与取值之间可能被 OCR 插入无关行（电话/地址/英文标签行），"标签后取紧邻第一词"的写法易踩坑——新模板建议双分支：先在标签后小窗口内匹配明确特征值（牌号、"有限公司"后缀等），失败再回退紧邻取值（jiangsu-yongjin V1.4.0 先例）。

派生与单位换算（V1.3.2）

字段级 derive 与 unit 声明（已按厂配置进各模板 yaml，导出前由 _apply_field_rules 统一执行）：

• derive: nominal_to_std——规格 A*B 派生：前段 A=标厚（thickness_std），后段 B=宽度（width）。适用于规格列为公称尺寸的厂：佛山诚德、福建宏旺、福建甬金、山东宏旺、阳江宏旺、印尼永旺（如 0.90*1219*C → 标厚 0.90、宽度 1219）。
• derive: trim_to_tol——实际尺寸 A*B 派生：前段 A=公差（tolerance_actual），后段 B=宽度（width，实际宽度优先，直接覆盖 nominal 派生值）。同样适用于上述六厂的实际尺寸列（如 0.82*1241*C → 公差 0.82、宽度 1241）。
• derive: nominal_to_tol——北材南通式规格 A*B 派生：前段 A=公差（如 1.756），标厚=round(A, 2)（1.756→1.76），后段 B=宽度（如 1.25*1255 → 公差 1.25、标厚 1.25、宽度 1255）。
• 江苏德龙、溧阳瑞达：实际尺寸字段（thickness/width）直接经映射落到标厚/宽度列，公差列留空（证书本无公差数据）。
• generic 兜底模板的 nominal_size 配 derive: nominal_to_tol（按北材版式假设；本工作区兜底样本即北材无头续页），结果已随"未识别钢厂，请人工复核"标注，空缺/存疑仍以复核为准。
• unit: kg——字段级单位声明：导出前对该字段值 round(x/1000, 3) 转吨。福建宏旺、福建甬金、山东宏旺、阳江宏旺、印尼永旺、江苏甬金（V1.4.1，净重列经 coil_seq 配对）的 weight/gross_weight 已配置（原始证书以千克计）；佛山诚德/德龙/瑞达重量本身为吨，不配置。
• trim 类派生先于 nominal 类执行（保证实际宽度覆盖公称宽度）。

模板匹配逻辑

每个模板的 identifiers 字段包含该钢厂的文字标识（如"福建青拓""太钢""SHANXI TAIGANG""宝钢"等）和证书编号前缀。

匹配时：
1. 先做精确子串匹配
2. 精确匹配失败，用 rapidfuzz 做模糊匹配：

from rapidfuzz import fuzz, process

def match_factory(ocr_text, templates):
    best_score = 0
    best_template = None
    for tmpl in templates:
        for identifier in tmpl['identifiers']:
            score = fuzz.partial_ratio(identifier.lower(), ocr_text.lower())
            if score > best_score:
                best_score = score
                best_template = tmpl
    if best_score >= 85:
        return best_template
    return load_generic_template()

输出格式

Excel 文件包含以下标准列（V1.4.0 起共 33 列，前 8 列按用户固定列序）：卷号、产地(钢厂)、钢种牌号、标厚、公差、宽度、卷重、边部，其后为 证书编号、炉号、产品名称、规格、数量、毛重、C、Si、Mn、P、S、Cr、Ni、N、Cu、Mo、Rm、Rp0.2、A%、硬度(HV)、执行标准、表面品级、生产日期、客户、备注（剩余列保持原相对顺序）。

V1.4.0 按用户要求从标准列中删除：合同号、批号、长度(mm)、交货状态、实际规格、交货日期、签发日期、采购方、钢坯号、开卷方式。这些字段的抽取层不动（模板照常识别、记录 JSON 中仍保留），仅导出时不再输出，--fields 也不再接受这些列名。

其中标厚/公差/宽度/边部/卷重/毛重/规格/生产日期/表面品级等为卷级字段（逐卷取值），其余证书级字段各卷共用。模板自定义扩展字段由 export_excel 自动映射到标准列（factory→产地(钢厂)、thickness/thickness_std→标厚、tolerance_actual→公差、width→宽度、weight→卷重、nominal_size→规格、hardness_hv→硬度(HV)、N/Cu/Mo 元素等；trim_size 原映射"实际规格"列已于 V1.4.0 删除，值不再输出）；低频扩展字段（coating、surface_quality、inspector、ped_cert 等）自动并入备注列，信息不丢失。标厚/公差/宽度的派生规则见"字段抽取规则→派生与单位换算（V1.3.2）"。

识别异常备注（V1.3.3）

字段级 remark_pattern 声明：当字段主正则未命中时，用该宽松正则在同一窗口内捕获"疑似原文"写入备注（如 甬金 remark_pattern: '\n(\d{1,6})\n(\d{1,6})\n合格'），备注形如"卷重识别异常（OCR原文: 738/7430），未填入，请人工复核"。原则：只描述 OCR 识别到的异常原文，不猜测、不填值——错数据比空数据更危险。单卷与多卷模式均生效；多卷模式下 coil_head 字段在其头部窗口内匹配。

输出粒度：每个钢卷一行。卷号（coil_no）为标准列，V1.3.3 起列序第一（打头 8 列：卷号、产地(钢厂)、钢种牌号、标厚、公差、宽度、卷重、边部，完整列清单见下），行键 = 证书编号 + 卷号；一证多卷时各卷行共用证书级字段，卷级字段逐卷取值，并在备注列标注"一证多卷（共N卷），已按卷拆行"。

用户确认字段集后：确认全部标准列 → 直接导出；增删列 → 用 --fields 传入确认后的列名清单。--fields 中出现未知列名时脚本报错并列出全部合法列名，不会静默忽略。

用户要求分类输出时，按指定维度将数据分到不同 Sheet 或不同文件；用户要求归类文件时，原文件按维度复制到子文件夹（不动原文件）。批量模式在 Excel 之外额外返回 succeeded/failed 统计，失败的文件需提示用户人工复核。

数量限制

单次最多处理 100 份质保书（硬上限）。用户提供的文件超过 100 份时，不做处理，明确告知总数并建议分批（每次不超过 100 份）依次执行，各批次 Excel 可事后合并。--limit 参数只允许调低单次数量，调高无效。

异常处理

• RapidOCR 识别结果为空或置信度过低时，在备注列标注"OCR识别置信度低，请人工复核"
• 表格结构还原失败时，降级为纯文本识别，在备注列标注"表格结构未还原"
• 钢厂无法匹配时，使用 generic.yaml 并标注"未识别钢厂，请人工复核"
• 化学或力学数值超出 304 标准范围时，在备注列标注"数值超出标准范围"
• 模板设 coil_key 但未识别到卷号时，卷号列留空并标注"未识别卷号，请人工复核"
• 同一卷号在原文重复出现时按值去重，标注"卷号在原文重复出现，已按卷号去重，请人工复核"
• 多卷模式下卷级字段窗口提取失败时该格留空，标注"部分卷级字段未识别，请人工复核"
• scope: coil_seq 序列字段的连排值块总数少于卷号数时（OCR 丢值/丢块），超出部分该格留空并标注"部分卷级字段未识别，请人工复核"，不做插值或猜测补位
• 多卷模式下卷号之前的卷级信息（炉号/生产日期等）由 scope: coil_head 头部窗口提取；头部窗口内未命中时留空并标注复核；生产日期正则须锚定紧跟炉号行，防止误取头部窗口内的证书级签发日期
• 配置 unit: kg 的字段（五厂净重/毛重）在导出前自动 ÷1000 转吨（保留 3 位小数）；未配置单位的模板重量按原值输出
• 字段配置 remark_pattern 时：主正则未命中 → 该列留空，宽松正则捕获的疑似原文写入备注（"xx识别异常（OCR原文: …），未填入，请人工复核"），不猜测填值
• 多卷模式下某卷窗口未命中成分/力学锚点正则时，整体降级为按证共用第一组，标注"存在多组成分/力学数据，按证共用第一组，请人工复核"
• rapid-table 未安装或中文表格模型缺失时，跳过表格结构还原，改用正则从 OCR 文本抽取化学/力学数值
• 批量模式下单个文件处理失败（损坏、加密、无法解析等）不中断批次，错误记入 failures 清单，最后统一提示用户人工复核

迭代路线

• V1.0：覆盖青拓、太钢、宝钢、张浦四家 + 通用兜底。RapidOCR + RapidTable 本地识别方案。
• V1.1（2026-09-12）：基于用户真实样本新增 9 家钢厂模板（assets/templates/），全部采用 regex_text 正则（不依赖 rapid-table），并已用 19 份样本回验（18/19 钢厂匹配正确、核心字段全中）：
• shandong-hongwang（山东宏旺，SDHW 前缀）
• fujian-yongjin（福建甬金，FJYJ 前缀）
• yongwang-indonesia（印尼永旺，青山系，含 Cu/N/Mo 扩展元素）
• foshan-chengde（佛山诚德，证书号 9位-序号）
• yangjiang-hongwang（阳江宏旺，含 N 元素，纯数字证书号）
• fujian-hongwang（福建宏旺，FJHW 前缀）
• beicai-nantong（北材南通，含 N 元素，无炉号列）
• jiangsu-delong（江苏德龙，DLYC 前缀，无炉号列，含钢坯号/开卷方式）
• liyang-ruida（溧阳瑞达，DLCZ 前缀，与德龙同源版式）
• 同步调整：export_excel.py 对模板自定义扩展字段自动并入备注列（不丢信息）。
• 已知限制：无头续页图片（页眉被裁、无钢厂名）落入 generic 兜底（V1.3.1 起同样按卷拆行）并标注人工复核；德龙/瑞达 OCR 偶发丢数字（证书号正则已放宽至 7-8 位容错）。
• V1.3（2026-09-13）：输出粒度改为"每个钢卷一行"：
• 模板顶层 coil_key 标识卷号字段，9 家钢厂模板与 generic 兜底模板均已接入；卷号（coil_no）从备注扩展字段提升为标准列（紧跟证书编号）；
• 一证多卷自动拆行：scope: coil 卷级字段按「本卷号 → 下一卷号」窗口提取，chemical/tensile 正则组按"每个卷窗口命中锚点即按卷配对"（组数与卷数不一致也允许），任一窗口未命中时按证共用并标注复核；
• 单卷质保书输出与 V1.1 完全一致（17 份真实样本回归 + 北材南通版式合成两卷用例 16 项断言通过）；
• 青拓/太钢/宝钢/张浦旧模板尚未接入 coil_key（仍按每证一条输出）；多卷配对已用 17 份真实样本验证（单证最多 206 卷，287 行与文本层取证吻合）。
• V1.3.1（2026-09-13）：列完整性与兜底拆卷补全：
• generic 兜底模板接入 coil_key，卷号正则以多分支覆盖常见厂牌格式（北材 Y+5位+字母+5位 / 宏旺系 两字母+8位+两字母+数字+字母 / 甬金 FJ+10位-2位 / 德龙瑞达 DL+6~8位+字母尾 / 永旺 QH+4位+字母+4位+两字母+2位）；未识别钢厂也按每钢卷一行输出；
• generic 安全设计：不配"卷块式"重量正则（OCR 行序错乱时会把成分数值误当重量，错数据比空数据更危险）；钢种无前缀分支仅匹配带字母牌号（SUS/ASTM S+数字/GB 牌号），不放裸数字（防止把屈服强度 321MPa 误当 321 钢种）；证书编号首字符收紧为字母数字（防 OCR 标点噪声如"。"）；
• 标准列由 24 列扩展至 43 列（此前文档误记 42）：高频卷级/证书级扩展字段提升为独立列（厚度/宽度/长度/边部/毛重/切边规格/硬度(HV)/N/Cu/Mo/表面品级/交货日期/生产日期/客户/采购方/钢坯号/开卷方式，nominal_size 映射到规格列），低频字段（coating/tolerance/surface_quality/inspector/ped_cert 等）仍并入备注列。
• V1.3.2（2026-09-13）：产地/标厚/公差/宽度列 + 单位换算 + 头部窗口修复（用户按 Excel 复核后点名的四类问题一次修复）：
• 钢厂列改名"产地(钢厂)"；原厚度(mm)/宽度(mm)两列升级为 标厚/公差/宽度 三列，值由规格与实际尺寸派生（derive 按厂配置进 yaml，三种模式见"派生与单位换算"）；
• 新增 scope: coil_head 头部窗口机制：修复甬金/永旺"日期→炉号→表面→卷号"版式下炉号系统性错配到下一卷（每卷拿到的是下一卷炉号、最后一卷为空）的根因——炉号/生产日期改在"上一卷号终点→本卷号终点"窗口内提取，生产日期锚定紧跟炉号行；
• 新增 unit: kg 字段级声明：福建宏旺/福建甬金/山东宏旺/阳江宏旺/印尼永旺净重毛重 kg→吨（round(x/1000,3)）；
• 山东宏旺 weight/gross_weight 补"毛边粘连"第二分支（OCR 行序错乱时净重与成分同行、毛重前无换行：毛边10575\n10531 0.049 0.35...），修复个别卷重量缺失；
• 回归：多卷合成 19 项断言 + 甬金式 coil_head 合成 12 项断言全过；真实 17 份样本 295 行 0 失败。
• V1.3.3（2026-09-13）：列序固定 + 重量类缺行根因修复（用户复核后点名）：
• 列序固定：卷号、产地(钢厂)、钢种牌号、标厚、公差、宽度、卷重、边部 打头，其余列保持原相对顺序；"重量"更名"卷重"、"切边规格"更名"实际规格"（trim_size 映射同步）；
• 瑞达/德龙 13+2 卷重量缺失根因＝正则过严而非 OCR 错误：大卷（9~14 吨）证书上重量只印 2 位小数（9.33/11.94）甚至 1 位（11.9/12.4），原正则强制 3 位小数；经厚度×宽度×密度反推验证识别值完整正确，weight 正则放宽为 \d{1,2}\.\d{1,3}（后锚"重量行后紧跟成分行 C+Mn"保证位置唯一，安全性已验证）；
• 甬金 1 卷重量缺失根因＝OCR 丢位（净重 7382→"738"）：无法保证正确恢复，保持列留空；新增字段级 remark_pattern 机制，宽松正则捕获疑似原文写入备注（"卷重识别异常（OCR原文: 738/7430），未填入，请人工复核"）；
• 回归：多卷 20 项 + coil_head 12 项断言全过；抽查断言含列序、旧列名不残留、瑞达卷重 206/206、异常行备注必含识别原文。
• V1.4.0（2026-09-13）：标准列精简（43→33 列）+ 新增肇庆宏旺模板：
• 标准列删除 合同号、批号、长度(mm)、交货状态、实际规格、交货日期、签发日期、采购方、钢坯号、开卷方式 十列（用户点名）；抽取层不动（模板与 extract_fields 照常抽取，记录 JSON 仍含这些字段），仅导出层不再输出；--fields 校验以新列集为准；
• 新增 zhaoqing-hongwang（肇庆宏旺，ZQHW 证书号前缀 / QG+8位+A[Y1]\dW 卷号）：宏旺系版式但成分为"C Si Mn P 同行 + S/Cr/Ni 竖排"（与山东宏旺 7 值同行、Ni 在 Cr 前不同），炉号双形态（Q+10位 / YG+8位+两字母+数字+W），生产日期月/日 1~2 位，毛重在前净量在后（unit: kg）；成分+力学 11 值联合签名逐卷配对；2 份文本层样本 10 卷全字段断言通过（卷号/炉号/日期/规格派生/重量换算/成分/力学/备注无复核）。
• V1.4.2（2026-09-13）：江苏甬金实际规格→公差/宽度（用户点名）：
• jiangsu-yongjin 新增 trim_size 字段（scope: coil_seq + derive: trim_to_tol）：实际规格 0.695*1247 → 公差 0.695 / 宽度 1247（实际宽度覆盖名义 1219，标厚仍由名义规格派生 0.70，trim 类先于 nominal 类执行由 _apply_field_rules 保证）；
• 与 weight 同根因（实际规格连排块在全部卷号之后，coil/coil_head 窗口够不着），复用 V1.4.1 coil_seq 机制，引擎零改动；pattern 捕获整个实际规格连排块（名义规格 2 位小数不匹配 0\.\d{3} 即块首无需前锚；尾锚=重量块首值 4~5 位整数；贪婪块尾遇非数字行整体失配→留空+备注复核，宁缺勿错）；
• 验证：verify_weight_trim.py 4 证 16 卷 × (卷重/公差/宽度) 48 项断言 ALL PASS（列连排 ss0260002703/3122/3123 与行块 3124 通吃，含 1249 宽度变体）；肇庆宏旺 10 行回归正常（其 trim_to_tol 路径不受影响）。
• V1.4.1（2026-09-13）：江苏甬金卷重（净重列）修复 + AI 防脑补硬规则（用户点名）：
• 新增 scope: coil_seq 序列配对机制（extract_fields.py）：解决列连排版式下"连排值块跟在全部卷号之后"无法用 coil/coil_head 窗口配对的根因（单测 verify_weight.py 复现：coil 窗口下前 3 卷 None、末卷错拿卷 1 值）；引擎 finditer 捕获连排块、块内按行展开、第 k 卷取第 k 值，超界留空进复核备注；
• jiangsu-yongjin 新增 weight 字段（净重列，'(?:0\.\d{3}\*\d{4})\n((?:\d{4,5}\n)+)一级品' + unit: kg）：前锚 3 位小数实际规格（与 2 位小数名义规格互斥）、尾锚一级品；列连排（ss0260002703/3122/3123）与行块（3124）两种版式同一 pattern 通吃，4 证 16 卷单测全过（如 ss0260002703 卷1 22115kg→22.115t、3122 卷1 22114kg→22.114t、3124 卷1 7424kg→7.424t）；
• 新增"AI 行为约束（防脑补）"硬规则：识别过程禁止 AI 改值/补值/中途修模板；识别不清留空+备注复核；新钢厂先注册模板再批量跑；问题清单后置、经用户确认后修复；快速出结果不因个别字段阻塞交付；
• 回归：甬金 4 证 16 卷卷重逐卷断言全过；肇庆宏旺/其余路径不受影响（coil_seq 为新增旁路）。
• V1.3.4（2026-09-13）：新增江苏甬金模板 + 福建甬金两处修正（中储质保书 5 份真实样本驱动，23 卷全过）：
• 新增 jiangsu-yongjin（江苏甬金，JSYJ 证书号前缀 / JS+10位-2位 卷号 / GB 牌号 06Cr19Ni10）：列连排版式（一证 N 卷时每字段 N 值竖排连排，与福建甬金"按行块"相反），窗口机制无法逐卷配对，模板按"安全降级"策略配置——卷1 靠 coil_head 拿生产日期/炉号；成分/力学 regex_text 组降级共用第一组（=各列首值=卷1）并触发 ambiguous 备注复核（C/Rm 泛锚保证全文锚点数>1）；重量/实际规格各卷不同且无安全锚点，不配置（留空，宁缺勿错）；OCR 坑位：Ni 区 10.50（MAX）插队卷值中间，锚用可选 (?:10\.50\n)? 兼容。
• fujian-yongjin certificate_no 放宽为 证明书号[\s\S]{0,120}?\n(FJYJ\d+)：部分扫描件 OCR 把英文品名/表头行插在"证明书号："与证书号之间导致锚定失败（10 行证书编号缺失根因）。
• fujian-yongjin heat_no/production_date 补 Y 前缀分支 ([AY]\d{6}[A-Z]\d{2})：新批次炉号为 Y+6位+字母+2位（Y221107E64），原正则只认 A+6位+A字母+2位（19 行炉号/生产日期全空根因）。
• 模板字段名注意：表面用 surface_finish（映射"表面品级"列）、氮用 N（映射 N 列），自造名（surface/nitrogen）会落入备注扩展字段。
• V1.2+：增加"学习模式"——遇到未知版式时，输出待确认字段映射表供用户手动修正，修正结果保存为新模板。