补充项目接手与数据导出资料

This commit is contained in:
Your Name committed 2026-10-30 19:27:09 +08:00
1 parent 12c7daf083
commit 1fb8c5fd47
17 files changed
+1867

No files matched your search

+2
View File
@@ -1,5 +1,7 @@
# 呱咕研选 · 考研择校数据项目 # 呱咕研选 · 考研择校数据项目
> **新成员入口(2026-10-30)**:先阅读 [项目接手指南](docs/项目接手指南_20261030.md)。当前可运行产品是 [离线择校 UI](docs/择校UI/index.html),数据库恢复方法见 [数据库备份说明](数据库备份/README.md)。本文件下方保留历史项目说明,部分数字、表名和路径可能过时;尤其 B2 分母存在 1,019 与 1,039 的文档冲突,使用前需复核。
对标「呱呱严选」平台的考研择校数据库 + 数据展示网站。 对标「呱呱严选」平台的考研择校数据库 + 数据展示网站。
## 目录结构 ## 目录结构
@@ -0,0 +1,8 @@
# 仓库接手资料补充(2026-10-30)
- 目标:让其他成员理解项目、运行界面、恢复数据并追溯关键审计结论。
- 根 README 加入接手入口;新增 `docs/项目接手指南_20261030.md`,说明产品、快照、口径和仓库边界。
- 复制 6 个 UI 导出/打包脚本至 `脚本/UI导出快照_20261030/`,与 `运行暂存/` 原件 SHA-256 相同;路径硬编码及覆盖行为已标注,未在新环境执行。
- 选入 5 份历史审计报告和 `数据库/views.sql`、`数据库/q_target_codes.sql`;历史数据不代表实时审计结果。
- 发现 B2 分母 1,019 与 1,039 的现有文档冲突,本次未重算;接手指南明确列为待核对。
- 本次不上传登录态、token、原始采集归档或完整运行暂存;下一步按需要复核数据口径和验证跨机器恢复流程。
+30
View File
@@ -0,0 +1,30 @@
# 研选项目接手指南
本项目整理考研招生与历史结果数据,提供按专业、目标分、地区筛选院校,以及查看方向、考试科目、院校详情、收藏和对比的离线界面。本指南以 2026-10-30 仓库交付为准,不代表实时招生结果。
## 快速查看
1. 安装 Git 和 Git LFS。仅看代码或界面时,可先设置 `GIT_LFS_SKIP_SMUDGE=1` 再克隆,避免自动下载约 3.32 GiB 数据库压缩包;需要备份时运行 `git lfs pull`。
2. 打开 `docs/择校UI/index.html`。界面依赖同目录的数据文件和图片,不要单独复制 HTML。手机浏览器的本地文件策略可能影响图片加载,详见 `docs/择校UI/README.md`。
3. 先选择专业,再到院校库按目标分、地区或学校属性筛选;可进入详情、方向和对比。`website/` 是另一条早期原型,不等于现行离线 UI。
4. 阅读 `docs/项目进度总览_UI制作基线_20261030.md`、`docs/择校UI/README.md` 和 `docs/agent_handoffs/20261030_专业入口与全组核查.md`,了解交付数据、已实现功能与限制。
## 数据与恢复
`数据库备份/` 是两份分别生成的 SQLite 在线备份 gzip 包,主库用于整理与交付,采集库保存平台采集数据。压缩包未加密,仓库成员应按数据权限使用。大小、SHA-256 和恢复方式见该目录 README 与 receipt;两库并非同一时刻的原子快照。解压到独立目录并校验后使用,切勿覆盖正在运行的生产库。
事实层优先查 `fact_admission`、`fact_dest`、`fact_score_dist`、`fact_score`;交付界面部分指标来自 `fact_global`。院校、专业和年份必须保留来源、粒度与缺失状态。2027 招生计划与 2026 复试线属于不同年份;冲稳保依据复试线区间上限,不代表录取概率。
专业代码和院校代码按文本处理,保留前导零和字母;跨表关联保留院系键 `xy_id`。招生人数应区分专业级和方向级语义,不能直接相加。报录比及调剂缺额目前不作为可靠 UI 指标。
**待核对的口径差异**:项目规则与 10-30 总览写 B2 平台校库 1,039,`docs/审计口径规范.md` 和根 README 的旧内容写 1,019。本次未重跑分母核查,不据此给出覆盖率;使用前按数据表与审计口径复核并标明时点。
## 脚本与报告
核心脚本位于 `脚本/` 和 `数据库/`。`脚本/UI导出快照_20261030/` 是从本机运行暂存复制的 6 个 UI 导出和打包脚本,原始内容保留;脚本使用 `D:/择校` 绝对路径,导出会覆盖 UI 数据,打包会覆盖同名 zip。迁移后先检查路径、数据库和输出位置,不要直接在生产目录运行。
`审计报告/` 中收录本次选取的历史审计报告,报告数字有各自的时间和分母,不代表最新实时结果。数据修改后的审计命令及硬性规则见 `AGENTS.md`;全量审计和事实层重建会读写数据库,应先准备可恢复副本。
## 仓库边界
仓库包含代码、界面、选取的文档和压缩快照;原始来源、历史归档、运行暂存、浏览器登录态、采集 token 和在线数据库文件未完整上传。不要使用 `git add .`,应逐项审查拟提交文件及密钥。此前对当前 token 的精确匹配检查不能替代完整的凭据审查。
+125
View File
@@ -0,0 +1,125 @@
# 全表审计报告(186 张表 / 2,743 字段 / 全量,无抽样)
> 审计时间:2026-10-21 | 库:`zexiao_2027.db` 13GB
> 范围:**全部 188 张非空表、2769 个字段、24,341,891 行**,每字段做全量 COUNT / COUNT(DISTINCT) / 极值,逐表检查 7 类问题。
> 口径:`docs/审计口径规范.md`
## 一、总览
| 严重度 | 表数 |
|---|---|
| 严重 | 0 |
| 中 | 0 |
| 低 | 53 |
| 无 | 135 |
问题按级别分布(修正误判后):
| 级别 | 类型 | 项数 | 涉及表 |
|---|---|---|---|
| P4 | 四级 字段高缺失 | 253 | 53 |
> 演进:首轮 591 项 → 修判据误判 519 → 修复+语义登记后 **253 项**。
> 最终 **P1/P2/P3/P5/P6/P7 全部清零**,剩余 253 项全部为 P4 字段高缺失(第三方源表抓取时源页本就缺这些字段,属源侧固有;早期宽表已标 deprecated 不补)。
>
> 本轮修复动作(全部可回溯):
> 1. `dim_school_id_map` 5,995 条双 ID 映射 + 11 张表回填 `school_id_ggyx`,跨源 JOIN 孤儿清零
> 2. `ggyx_dim_major` 1,342 → **1,595**(补 253 个新增专业),5 张表孤儿清零
> 3. `ggyx_dim_school` 补入陆军航空兵学院(91008,官方目录有但平台校库缺)
> 4. 4 处数值异常行加 `data_flag`(不改原值);`files.year` 误提取 2 行置 NULL
> 5. `dim_field_semantics` 登记 **23 条**字段语义(科目码/门类码/HTTP状态码/单行占位等),审计脚本接入后不再重复误报
## 二、三个系统性根因(本轮才查明)
### 2.1 库内存在两套 `school_id` 体系
同一个学校在不同表里 ID 不同,但校名一致:
| 学校 | `zgc_major_lines.school_id` | `ggyx_dim_school.school_id` |
|---|---|---|
| 沈阳药科大学 | 117 | 198 |
| 临沂大学 | 1000 | (另一值) |
**影响**:此前所有用 `school_id` 做跨表 JOIN 的统计,凡涉及第三方来源表(zgc / core_* / src_*)都会漏,
但不会报错——只是数字偏小。这是最隐蔽的一类。
**处置**:建 `dim_school_id_map`(**5,995 条**,按校名精确匹配),并为 11 张表加 `school_id_ggyx` 派生列回填:
| 表 | 覆盖 | 回填后孤儿 |
|---|---|---|
| `zgc_major_lines` | 39,236/39,520 (99%) | **0** |
| `core_hist_lines` | 58,047/58,173 (100%) | **0** |
| `core_contacts` / `src_contacts` | 10,924/10,960 (100%) | **0** |
| `core_policies` / `src_notice_policies` | 19,483/19,509 (100%) | **0** |
| `notices_all` | 5,755/6,802 (85%) | **0** |
| 其余 6 张 | 98–100% | **0** |
### 2.2 专业维度表缺 253 个专业
`ggyx_dim_major` 原 1,342 个专业,但库里实际出现 1,595 个。缺的 253 个是**近年新增专业**:
低空技术与工程、文明学、金融科技、国土空间规划、党务管理……
**影响**:`major_id` 在 5 张表里成为孤儿,专业级统计会漏掉这些新专业(恰好是考生最关心的新兴方向)。
**处置**:从 `ggyx_major_hot_rank`(196 个,带专业码)、`ggyx_school_adjust_major`(56 个)、`ggyx_ssd_master`(1 个)补齐,
`dim_major` **1,342 → 1,595**,孤儿清零。
### 2.3 早期宽表大量字段从未填充
`core_majors`(51,410 行)有 **20+ 个字段空值率 99.94%**:`official_subjects` / `off_total` / `off_first` /
`off_adjust` / `off_line` / `tuition` / `years` / `stage_ratio` / `equal_ability` / `cross_limit` 等。
`core_official_0856`、`fee_check`、`src_target_major_checked` 的附件类字段空值率 100%。
**判断**:这些是预留字段,宽表方案后被 `ggyx_*` 事实表取代,属历史遗留。**不建议补**,建议标记 `deprecated`。
## 三、逐级问题明细
### P4 字段高缺失(253 项,Top 12)
| 表 | 字段 | 空值率 |
|---|---|---|
| `fact_admission` | data_flag | 100.0% |
| `ggyx_a_st_source` | data_flag | 100.0% |
| `ggyx_a_exam_score` | data_flag | 99.999% |
| `core_hist_lines` | data_flag | 99.997% |
| `src_master` | 官方考试科目 | 99.942% |
| `src_master` | 官方总招生 | 99.942% |
| `src_master` | 官方一志愿招生 | 99.942% |
| `src_master` | 官方调剂招生 | 99.942% |
| `src_master` | 官方复试线 | 99.942% |
| `src_master` | 学费 | 99.942% |
| `src_master` | 学制 | 99.942% |
| `src_master` | 初复试占比 | 99.942% |
> 481 项中,绝大多数是早期宽表的预留字段(空值率 >99%),属历史遗留而非采集缺失。
## 四、判定为误判、实际正常(已修正判据)
| 现象 | 首轮判定 | 实际 | 原因 |
|---|---|---|---|
| 事实表 `(school_id,major_id,year)` 出现多行 | P1 重复 63 项 | **正常** | 事实表一行是明细(科目/分段/考生),本就不唯一;且漏了 `xy_id` |
| `core_*` 表 `notice_id` 重复 | P1 重复 | **正常** | 一个公告对应多个专业/段落 |
| `ggyx_dim_xkpg.major_id` 孤儿 134 | P2 | **正常** | 学科评估表存的是学科代码,不是平台 major_id |
| `ggyx_dim_major_class.code` 非 4-6 位 | P6 | **正常** | 门类码是 2 位 |
| `ggyx_fact_raw2.code` 43,398 行 | P6 | **字段非专业码** | 该列存的是其他编码 |
| `qoder_plan_enroll.year` 越界 132,124 | P3 | **字段非年份** | 该列存的不是招生年份 |
## 五、仍待处理
| 项 | 量 | 建议 |
|---|---|---|
| `qoder_plan_enroll` 13.2 万行字段语义不明 | 1 表 | 人工确认字段含义后再定性 |
| `dir_hist.院校代码` 非 5 位 | 15 行 | 补齐或置空 |
| `core_hist_lines.plan` 负数 | 2 行 | 置零或删除 |
| `fact_admission.score` > 500 | 1 行 | 核对原值 |
| 早期宽表 20+ 空字段 | 4 表 | 标记 `deprecated`,不再维护 |
## 六、产物
| 文件 | 内容 |
|---|---|
| `全表审计_汇总.csv` | 188 张表的行数/列数/问题数/严重度 |
| `全表审计_字段剖面.csv` | 2769 个字段的空值率/唯一值/极值 |
| `全表审计_问题清单.csv` | 253 条问题,可定位到表+字段 |
| `dim_school_id_map` | 5,995 条跨源院校 ID 映射 |
| `ggyx_dim_major` | 1,595 个专业(+253) |
+84
View File
@@ -0,0 +1,84 @@
# 四维深入审计报告
> 审计时间:2026-10-21 | 框架:data-quality-hckp 四维查数 + sql-data-analyst 校验清单
> 数据:`zexiao_2027.db` | 全量不抽样,所有对账均为跨表全键比对
## 一、结论
| 维度 | 结论 |
|---|---|
| 完整性 | 核心维度逐年校数见 §2;采集缺口此前已定案(A 类 0 / B 源上限 / C 未发生) |
| 准确性 | 分数线-分数段对账 804,152 键,越界仅 107(0.013%);人数对账逐组差 13,623 但总量吻合 0.990 |
| 一致性 | 跨源招生人数反例 10,786(40.5%);学费数值化 146,665 行(>10万 27);维度名称异常 0 |
| 及时性 | >90 天未更新表 0 张 |
**P0 1 / P1 1 / P2 2**(台账:`四维_问题台账.csv`)
## 二、完整性(逐年校数)
| 维度 | 年份 | 校数 | 专业键数 |
|---|---|---|---|
| 官方目录 | 2027 | 907 | 37213 |
| 平台官方目录 | 2026 | 936 | 38231 |
| 点对点目录 | 2023 | 515 | 22609 |
| 点对点目录 | 2024 | 519 | 24001 |
| 点对点目录 | 2025 | 530 | 26102 |
| 点对点目录 | 2026 | 542 | 27914 |
| 点对点目录 | 2027 | 542 | 28108 |
| 历史目录 | 2022 | 107 | 3250 |
| 历史目录 | 2023 | 533 | 22875 |
| 历史目录 | 2024 | 609 | 32705 |
| 历史目录 | 2025 | 580 | 27041 |
| 历史目录 | 2026 | 542 | 27914 |
| 历史目录 | 2027 | 542 | 28108 |
| 分数线 | 2023 | 393 | 6928 |
| 分数线 | 2024 | 537 | 11535 |
| 分数线 | 2025 | 604 | 13374 |
| 分数线 | 2026 | 606 | 13724 |
| 分数段 | 2023 | 516 | 10075 |
| 分数段 | 2024 | 537 | 11537 |
| 分数段 | 2025 | 604 | 13375 |
| 分数段 | 2026 | 606 | 13724 |
| 复试线 | 2023 | 485 | 8507 |
| 复试线 | 2024 | 501 | 10278 |
| 复试线 | 2025 | 589 | 12872 |
| 复试线 | 2026 | 594 | 13260 |
| 录取名单 | 2026 | 661 | 19892 |
| 分数去向 | 2024 | 491 | 4566 |
| 分数去向 | 2025 | 538 | 4153 |
## 三、准确性(跨表对账)
### 3.1 分数线 vs 分数段边界(804152 个可对账键)
- 分数线值超出同键分段范围(容差 15 分)的行:**107**
### 3.2 复试线录取数 vs 名单人数(2026,14579 组)
- 逐组不一致:13623(93.4%)| 总量 198,930 vs 200,977(比值 **0.990**)
- 判定:逐组差异来自推免/专项/放弃入学(±1~3 人),**总量吻合**;对外展示人数必须用 `nlq_total`
## 四、一致性(跨源比对)
### 4.1 招生人数跨源(2027,26,603 键)—— 已定案
- **chsi `enroll_num` 双语义**:`enroll_str` 前缀 `专业:N` = 专业级数字(方向行上重复),`研究方向:N` = 方向级明细。**任何对 enroll_num 的盲目 SUM 都会虚高**(三亚学院 035200:专业 35 × 2 方向 SUM=70)
- **pd `enroll_num` = 源页首方向单行值**:三峡大学 030500 pd=8 恰为首方向(马克思主义基本原理 8),专业总数实为 8+17+17+8+10=60;085801 pd=3 恰为非全日制"专业:3"
- 结论:跨源数值不可直接比对(40.5%%"反例"均为粒度差异,**非数据损坏**)
- **执行口径:对外展示招生人数必须用 chsi 并按 enroll_str 前缀解析聚合;pd.enroll_num 降级为参考值**
### 4.2 学费合理性(单源,146,665 行数值化)
- 年费 >10 万:27 行(高费专业如 MBA,或解析错,抽样核对)
- 年费 <1000:5 行(疑单位折算错,抽查)
- 逻辑异常(非正数或超 30 万):0 行
- 研招网目录接口无学费字段,学费仅点对点单源,**无跨源互证**,展示需注明来源
### 4.3 维度名称:show_name 存代码 0 行
## 五、及时性
| 表 | 最新数据 | 时延(天) | 行数 |
|---|---|---|---|
> 历史快照类表(a_*、dir_hist 等)时延大属正常;动态榜单类表(三元组、复试线)时延大需复查上游。
+144
View File
@@ -0,0 +1,144 @@
# 各年份 × 各维度 数据缺口矩阵(口径 v2.1)
> 审计时间:2026-10-21 | 口径依据:`docs/审计口径规范.md`
> **数据源:已切换为统一事实层**(`fact_person` / `fact_score_dist` / `fact_score`,由主表+归档表合并物化)。
> 每格:**原始行数 / G2专业键数 / 校数**。所有维度已折算到 G2 专业级,跨源可比。
## 分母体系
| 编号 | 名称 | 校数 | 用于 |
|---|---|---|---|
| **B1** | 官方应招(研招网 2027) | 907 | 2027 目录类 |
| **B2** | 平台校库(ggyxx_dim_school) | 1020 | 平台事实类上限 |
| **B2a** | 平台热度榜(对标集) | 617 | 与呱呱严选可对标范围 |
| **B3** | 平台官方目录(2026) | 935 | 2026 目录类 |
> 专业级硬分母:2026 = **38,230** 键 | 2027 = **37,213** 键
> 2022–2025 无官方名单,**不给覆盖率百分比**(D 类应然不可得),只报绝对校数。
## 主矩阵(行数 / 专业键 / 校数)
| 维度 | 粒度 | 性质 | 分母 | 2022届 | 2023届 | 2024届 | 2025届 | 2026届 | 2027届 |
|---|---|---|---|---|---|---|---|---|---|
| 招生目录·研招网官方 | G3→G2 | 采集 | B1 | — | — | — | — | — | 105,411 / 37,213 / 907 |
| 招生目录·平台官方目录 | G2 | 采集 | B3 | — | — | — | — | 51,410 / 38,230 / 935 | — |
| 招生目录·第三方+官网 | G2 | 自建 | B2a | 3,462 / 3,250 / 107 | 23,041 / 22,875 / 533 | 35,784 / 32,705 / 609 | 27,669 / 27,041 / 580 | 27,914 / 27,914 / 542 | 28,108 / 28,108 / 542 |
| 招生目录·点对点17列 | G2+ | 采集 | B2a | — | 28,897 / 22,609 / 515 | 30,241 / 24,001 / 519 | 32,478 / 26,102 / 530 | 34,345 / 27,914 / 542 | 34,321 / 28,108 / 542 |
| ├ 学费 | G2+ | 采集 | B2a | — | 28,304 / 22,200 / 501 | 29,908 / 23,777 / 511 | 31,881 / 25,662 / 517 | 33,965 / 27,592 / 536 | 34,321 / 28,108 / 542 |
| ├ 学制 | G2+ | 采集 | B2a | — | 28,435 / 22,381 / 507 | 29,912 / 23,850 / 514 | 32,130 / 25,938 / 526 | 34,195 / 27,854 / 541 | 34,320 / 28,107 / 542 |
| └ 推免人数 | G2+ | 采集 | B2a | — | 6,907 / 5,645 / 141 | 8,951 / 7,177 / 154 | 7,353 / 6,012 / 137 | 8,576 / 7,124 / 150 | — |
| 分数线(平台) | G4→G2 | 采集 | B2a | — | 60,931 / 15,717 / 442 | 101,887 / 25,075 / 599 | 127,088 / 28,276 / 656 | 59,502 / 13,724 / 606 | — |
| 分数段分布 | G4→G2 | 采集 | B2a | — | 420,085 / 22,422 / 574 | 491,418 / 25,077 / 599 | 613,314 / 28,280 / 656 | 276,159 / 13,724 / 606 | — |
| 复试分数线 | G2 | 采集 | B2a | — | 9,179 / 8,507 / 485 | 11,255 / 10,278 / 501 | 14,111 / 12,872 / 589 | 14,579 / 13,260 / 594 | — |
| 复试分数段 | G4→G2 | 采集 | B2a | — | 54,547 / 8,507 / 485 | 67,101 / 10,278 / 501 | 82,312 / 12,872 / 589 | 94,920 / 13,260 / 594 | — |
| 录取名单·本校 | G4→G2 | 采集 | B2a | — | — | — | — | 770,793 / 19,892 / 661 | — |
| 分数去向·跨校 | G4→G2 | 采集 | B2a | — | — | 164,792 / 14,481 / 571 | 160,486 / 15,063 / 607 | — | — |
| 调剂公告 | G1→G2 | 采集 | B2a | — | 20,150 / 16,455 / 561 | 14,525 / 11,189 / 532 | 23,372 / 16,595 / 688 | 27,440 / 19,887 / 819 | — |
| 目录倒推(校×专业) | G2 | 半派生 | B2a | — | 10,099 / 10,099 / 516 | 11,821 / 11,821 / 549 | 13,541 / 13,541 / 611 | 13,724 / 13,724 / 606 | — |
## 校覆盖率(%,分子已与分母取交集)
| 维度 | 分母 | 2022 | 2023 | 2024 | 2025 | 2026 | 2027 |
|---|---|---|---|---|---|---|---|
| 招生目录·研招网官方 | B1 | — | — | — | — | — | *n/a* |
| 招生目录·平台官方目录 | B3 | — | — | — | — | *n/a* | — |
| 招生目录·第三方+官网 | B2a | *(107校)* | *(533校)* | *(609校)* | *(580校)* | 88 | 88 |
| 招生目录·点对点17列 | B2a | — | *(515校)* | *(519校)* | *(530校)* | 88 | 88 |
| ├ 学费 | B2a | — | *(501校)* | *(511校)* | *(517校)* | 87 | 88 |
| ├ 学制 | B2a | — | *(507校)* | *(514校)* | *(526校)* | 88 | 88 |
| └ 推免人数 | B2a | — | *(141校)* | *(154校)* | *(137校)* | 24 | — |
| 分数线(平台) | B2a | — | *(442校)* | *(599校)* | *(656校)* | **98** | — |
| 分数段分布 | B2a | — | *(574校)* | *(599校)* | *(656校)* | **98** | — |
| 复试分数线 | B2a | — | *(485校)* | *(501校)* | *(589校)* | **96** | — |
| 复试分数段 | B2a | — | *(485校)* | *(501校)* | *(589校)* | **96** | — |
| 录取名单·本校 | B2a | — | — | — | — | **100** | — |
| 分数去向·跨校 | B2a | — | — | *(571校)* | *(607校)* | — | — |
| 调剂公告 | B2a | — | *(561校)* | *(532校)* | *(688校)* | **97** | — |
| 目录倒推(校×专业) | B2a | — | *(516校)* | *(549校)* | *(611校)* | **98** | — |
> 斜体 `(N校)` = 该年无官方分母,仅报绝对校数。`n/a` = 分母即该维度自身,覆盖率属自证,不可对外引用。
## 专业覆盖率(硬分母,仅 2026/2027)
> 2026 分母 = 平台官方目录(`src_major_catalog`)38,230 键;2027 分母 = 研招网官方(`chsi_2027_dir`)37,213 键。**两列分母来源不同,不可横向比较。**
| 维度 | 2026(分母 38,230,平台官方目录) | 2027(分母 37,213,研招网官方) |
|---|---|---|
| 招生目录·第三方+官网 | 73.0 | 75.5 |
| 招生目录·点对点17列 | 73.0 | 75.5 |
| ├ 学费 | 72.2 | 75.5 |
| ├ 学制 | 72.8 | 75.5 |
## 行密度(行/校)
| 维度 | 2022 | 2023 | 2024 | 2025 | 2026 | 2027 |
|---|---|---|---|---|---|---|
| 招生目录·研招网官方 | — | — | — | — | — | 116.2 |
| 招生目录·平台官方目录 | — | — | — | — | 55.0 | — |
| 招生目录·第三方+官网 | 32.4 | 43.2 | 58.8 | 47.7 | 51.5 | 51.9 |
| 招生目录·点对点17列 | — | 56.1 | 58.3 | 61.3 | 63.4 | 63.3 |
| ├ 学费 | — | 56.5 | 58.5 | 61.7 | 63.4 | 63.3 |
| ├ 学制 | — | 56.1 | 58.2 | 61.1 | 63.2 | 63.3 |
| └ 推免人数 | — | 49.0 | 58.1 | 53.7 | 57.2 | — |
| 分数线(平台) | — | 137.9 | 170.1 | 193.7 | 98.2 | — |
| 分数段分布 | — | 731.9 | 820.4 | 934.9 | 455.7 | — |
| 复试分数线 | — | 18.9 | 22.5 | 24.0 | 24.5 | — |
| 复试分数段 | — | 112.5 | 133.9 | 139.7 | 159.8 | — |
| 录取名单·本校 | — | — | — | — | 1166.1 | — |
| 分数去向·跨校 | — | — | 288.6 | 264.4 | — | — |
| 调剂公告 | — | 35.9 | 27.3 | 34.0 | 33.5 | — |
| 目录倒推(校×专业) | — | 19.6 | 21.5 | 22.2 | 22.6 | — |
## 派生表(不计入覆盖)
| 表 | 来源 | 行数 | 说明 |
|---|---|---|---|
| `ggyx_major_over400_seg` | ggyx_getfs_hist_all | 49,124 | 键集 100% 一致(49,124),纯派生 |
| `ggyx_major_score_stats` | 录取/复试名单聚合 | 19,686 | 名单统计 |
| `ggyx_major_yoy_metrics` | 多年 fs/nlq/score 汇总 | 17,361 | 同比指标 |
| `ggyx_major_rank_metrics` | 名单明细聚合 | 19,686 | 榜单指标 |
| `ggyx_major_competition_proxy` | 多表加权 | 19,686 | 竞争度代理 |
## 口径自检
| 编号 | 项目 | 结果 |
|---|---|---|
| C1 | 校区不折叠 | ✅(school_key=617 = school_id=617) |
| C2 | 基数 | B1=907 / B2=1020 / B2a=617 / B3=935 |
| C3 | 派生表已移出矩阵 | ✅(5 张) |
| C4 | 同比密度跌幅 | ✅(0 处) |
| C5 | 年份类型 | dir_hist 为 text,统计已 CAST |
| C6 | 覆盖率不越界 | ✅ 全部 ≤100% |
| C7 | 双库镜像 | ✅ delta=0(仅证明镜像,不作采集完整性证据) |
| C8 | 同源键集重合 | ⚠️ 有(9 对,见下表;仅提示,需人工判定是否派生) |
| C10 | 事实层一致性 | ✅ 4 张一致(视图=物化表) |
### C8 提示:不同维度间 G2 键集完全重合
> 键集 100% 重合意味着两者覆盖的是同一批「校×专业」,不构成两份独立证据。需人工判定是同接口同键、还是派生关系。
| 维度 A | 维度 B | 年份 | 键数 |
|---|---|---|---|
| 招生目录·第三方+官网 | 招生目录·点对点17列 | 2026 | 27,914 |
| 招生目录·第三方+官网 | 招生目录·点对点17列 | 2027 | 28,108 |
| 分数线(平台) | 分数段分布 | 2026 | 13,724 |
| 分数线(平台) | 目录倒推(校×专业) | 2026 | 13,724 |
| 分数段分布 | 目录倒推(校×专业) | 2026 | 13,724 |
| 复试分数线 | 复试分数段 | 2024 | 10,278 |
| 复试分数线 | 复试分数段 | 2025 | 12,872 |
| 复试分数线 | 复试分数段 | 2026 | 13,260 |
| 复试分数线 | 复试分数段 | 2023 | 8,507 |
## 口径变化对结论的影响(v1 → v2.1)
| # | 项目 | v1(旧口径) | v2.1(新口径) | 结论变化 |
|---|---|---|---|---|
| 1 | 基线校数 | 613 | **617**(B2a)/ 1019(B2) | 4 组校区被误合并,分母修正 |
| 2 | 2027 官方目录 | 105,411 行 / 610 校 / **100%** | 105,411 行 = **37,213 专业键** / 907 校 | 行数是方向级,专业级只有 1/2.8 |
| 3 | 400+ 分数段人数 | 独立维度,覆盖 78–96% | **派生表,不计入覆盖** | 与复试线键集 100% 重合,原属重复计数 |
| 4 | 2022–2025 覆盖率 | 13% / 85% / 86% / 88% | 只报绝对校数(107/533/609/580) | 早年无官方名单,百分比不成立 |
| 5 | 2023 分数线 64% | 归因 "B 源上限" | **393 校,归 D 类待查** | 同年同源分数段有 516 校,源上限不成立 |
| 6 | 2025 录取明细 87% | 判为达标 | 538 校但密度 43.9(同比 **-43%**) | 校覆盖虚高,实为行稀疏 |
| 7 | 2026 专业级覆盖 | 未测 | **73.0%**(对 38,228 键) | 首次可算,目录真实缺口 27% |
| 8 | 2026/2027 目录来源 | 视为"第三方+官网"多源 | 与点对点**键集 100% 重合** | 这两年实为单源,非多源互证 |
| 9 | 专业码规范化 | 剥离字母(`re.sub(r"\D")`) | 保留字母(`1202Z1` 是自设专业) | 2,314 个官方键曾被错误合并 |
+69
View File
@@ -0,0 +1,69 @@
# 归档表落差审计(主表 vs `a_*` 归档 vs `admission_list`)
> 审计时间:2026-10-21 | 口径:`docs/审计口径规范.md` v2.1 | 分母 B2a = 617 校
## 一、结论
主库存在**三套并行数据未整合**。主表与归档表是**互补关系**,不是包含关系:
1. **`a_*` 归档表不是主表的重复快照**。首轮键集去重显示几乎完全不重合,根因是 `seg_name` 格式差异(主表 `261分-270分:` vs 归档 `121分 - 130分:`)。规范化后可见:**主表的校覆盖略广**(每年多 34–53 校),**归档表的行深更大**(同校记录更细,行数为 1.3–1.6 倍)。两者合并才能拿到完整校集。
2. **`ggyx_admission_list`(770,793 行 / 661 校)是第三套独立数据**,姓名已脱敏(`王*`),含初试成绩 `cs_all_result`;与 `fs_dest_person`、`a_fs_dest_person_h` 的学号交集均为 **0**,属另一批次。
3. 归档表仅覆盖到 2025 届,**2026 届只有主表**,因此 2026 无合并空间。
4. 受影响最大的是**录取人员明细**:2024/2025 合并后可 +44/+39 校;分数线 2023 可 +18 校。
## 二、逐对落差(规范化后)
| 维度 | 主表 | 归档表 | 年份 | 主表行数 | 归档行数 | 主表校数 | 归档校数 | 仅主表有校 | 仅归档有校 | 并集校数 | 并集覆盖(B2a) |
|---|---|---|---|---|---|---|---|---|---|---|---|
| 分数段分布 | `ggyx_exam_dist` | `ggyx_a_exam_dist_h` | 2023 | 166,165 | 261,171 | 516 | 495 | 34 | 13 | 529 | 85.7% |
| 分数段分布 | `ggyx_exam_dist` | `ggyx_a_exam_dist_h` | 2024 | 196,763 | 305,544 | 537 | 515 | 35 | 13 | 550 | 89.1% |
| 分数段分布 | `ggyx_exam_dist` | `ggyx_a_exam_dist_h` | 2025 | 249,414 | 377,580 | 604 | 552 | 53 | 1 | 605 | 98.1% |
| 分数段分布 | `ggyx_exam_dist` | `ggyx_a_exam_dist_h` | 2026 | 279,415 | 0 | 606 | 0 | 606 | 0 | 606 | 98.2% |
| 录取人员明细 | `ggyx_fs_dest_person` | `ggyx_a_fs_dest_person_h` | 2024 | 37,772 | 136,541 | 491 | 497 | 38 | 44 | 535 | 86.7% |
| 录取人员明细 | `ggyx_fs_dest_person` | `ggyx_a_fs_dest_person_h` | 2025 | 23,621 | 140,071 | 538 | 525 | 52 | 39 | 577 | 93.5% |
| 分数线(平台) | `ggyx_exam_score` | `ggyx_a_exam_score_h` | 2023 | 27,898 | 39,701 | 393 | 382 | 29 | 18 | 411 | 66.6% |
| 分数线(平台) | `ggyx_exam_score` | `ggyx_a_exam_score_h` | 2024 | 47,923 | 68,085 | 537 | 515 | 35 | 13 | 550 | 89.1% |
| 分数线(平台) | `ggyx_exam_score` | `ggyx_a_exam_score_h` | 2025 | 62,025 | 83,145 | 604 | 552 | 53 | 1 | 605 | 98.1% |
| 分数线(平台) | `ggyx_exam_score` | `ggyx_a_exam_score_h` | 2026 | 64,055 | 0 | 606 | 0 | 606 | 0 | 606 | 98.2% |
> 「仅归档有校」= 主表完全没有该维度数据的学校数,是本轮回补的直接目标。
## 三、`admission_list` 独立数据源
| 项 | 值 |
|---|---|
| 行数 | 770,793 |
| 校数 | 661 |
| 专业数(platform major_id) | 1059 |
| 类型分布 | list_type=1:273,438 行;list_type=2:497,355 行 |
| 姓名形态 | 脱敏(如 `王*`、`周*源`) |
| 成绩字段 | `cs_all_result`(初试总分)、`fs_result`、`all_result` |
**学号交集**(证明是独立数据而非重复):
| 对比表 | 交集学号数 |
|---|---|
| `ggyx_fs_dest_person` | **0** |
| `ggyx_a_fs_dest_person_h` | **0** |
> 交集为 0 说明 `admission_list` 是**另一届/另一批次**的名单(推测 2026 届,因 `fs_dest_person` 无 2026 数据)。
## 四、影响与建议
| 维度 | 年份 | 主表校数 | 并集校数 | 可提升校数 | 可提升百分点 |
|---|---|---|---|---|---|
| 分数段分布 | 2023 | 516 | 529 | **+13** | +2.1 |
| 分数段分布 | 2024 | 537 | 550 | **+13** | +2.1 |
| 分数段分布 | 2025 | 604 | 605 | **+1** | +0.2 |
| 录取人员明细 | 2024 | 491 | 535 | **+44** | +7.1 |
| 录取人员明细 | 2025 | 538 | 577 | **+39** | +6.3 |
| 分数线(平台) | 2023 | 393 | 411 | **+18** | +2.9 |
| 分数线(平台) | 2024 | 537 | 550 | **+13** | +2.1 |
| 分数线(平台) | 2025 | 604 | 605 | **+1** | +0.2 |
**建议动作(按优先级):**
1. **合并 `a_fs_dest_person_h` → `fs_dest_person`**:收益最大,2024 可 +44 校、2025 可 +39 校,且归档行数为主表 3.6–5.9 倍(同校人员更全)
2. **合并 `a_exam_dist_h` / `a_exam_score_h`**:按 `norm_seg` 规范化后去重合并,每年可补 1–18 校、行数可增 50% 以上
3. **`admission_list` 纳入正式口径**:77 万条脱敏名单是目前最大的录取数据资产,需先确认届次(建议按 `cs_all_result` 分布与 `fs_dest_person` 2026 空缺反推)
4. **建立主表/归档一致性校验**:入库脚本在清洗后断言"校集 ⊇ 归档校集",否则告警
+364
View File
@@ -0,0 +1,364 @@
# 逐项审计明细(逐维度 × 逐年份 × 逐校)
> 审计时间:2026-10-21 | 口径:`docs/审计口径规范.md` v2.1 | **数据源:统一事实层 fact_***(主表+归档合并)
> 分母:B1 官方 907 校 | B2a 平台对标 617 校 | B3 平台目录 935 校
> 归因:A 采集缺口 / B 源上限 / C 客观未发生或决策放弃 / D 应然不可得或待查 / E 口径不可比
> ⚠️ **本矩阵按主表口径计算,覆盖率是下限。** 主库存在三套并行录取/分数数据(`fs_dest_person` / `a_fs_dest_person_h` / `admission_list`),归档表与主表互补。合并后:录取明细 2024 可 +44 校、2025 可 +39 校;分数线 2023 可 +18 校。详见 `归档表落差审计.md`。
## 总览:14 维度 × 6 年份
| 维度 | 分母 | 2022 | 2023 | 2024 | 2025 | 2026 | 2027 |
|---|---|---|---|---|---|---|---|
| 招生目录·研招网官方 | B1 | — | — | — | — | — | 907校 |
| 招生目录·平台官方目录 | B3 | — | — | — | — | 935校 | — |
| 招生目录·第三方+官网 | B2a | 107校/13% | 533校/84% | 609校/85% | 580校/88% | 542校/88% | 542校/88% |
| 招生目录·点对点17列 | B2a | — | 515校/83% | 519校/84% | 530校/86% | 542校/88% | 542校/88% |
| ├ 学费 | B2a | — | 501校/81% | 511校/83% | 517校/84% | 536校/87% | 542校/88% |
| ├ 学制 | B2a | — | 507校/82% | 514校/83% | 526校/85% | 541校/88% | 542校/88% |
| └ 推免人数 | B2a | — | 141校/23% | 154校/25% | 137校/22% | 150校/24% | — |
| 分数线(平台) | B2a | — | 442校/67% | 599校/89% | 656校/98% | 606校/98% | — |
| 分数段分布 | B2a | — | 574校/86% | 599校/89% | 656校/98% | 606校/98% | — |
| 复试分数线 | B2a | — | 485校/79% | 501校/81% | 589校/96% | 594校/96% | — |
| 复试分数段 | B2a | — | 485校/79% | 501校/81% | 589校/96% | 594校/96% | — |
| 录取名单·本校 | B2a | — | — | — | — | 661校/100% | — |
| 分数去向·跨校 | B2a | — | — | 571校/85% | 607校/91% | — | — |
| 调剂公告 | B2a | — | 560校/72% | 531校/69% | 688校/89% | 819校/97% | — |
| 目录倒推(校×专业) | B2a | — | 516校/84% | 549校/89% | 611校/99% | 606校/98% | — |
## 招生目录·研招网官方
> 表 `chsi_2027_dir` | 粒度 G3→G2 | 性质 采集 | 分母 B1 | 唯一官方硬源
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2024 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2025 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2026 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2027 | 105,411 | 37,213 | 907 | *n/a* | — | 116.2 | 0 | — | — 自身即分母 |
## 招生目录·平台官方目录
> 表 `src_major_catalog` | 粒度 G2 | 性质 采集 | 分母 B3 | 仅 2026
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2024 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2025 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2026 | 51,410 | 38,230 | 935 | *n/a* | — | 55.0 | 0 | — | — 自身即分母 |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
## 招生目录·第三方+官网
> 表 `dir_hist` | 粒度 G2 | 性质 自建 | 分母 B2a | 多源汇总
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | 3,462 | 3,250 | 107 | 13.1% | — | 32.4 | 536 | — | C 用户决策放弃(2022 未采集) |
| 2023 | 23,041 | 22,875 | 533 | 84.3% | — | 43.2 | 97 | — | D 应然不可得(无官方名单) |
| 2024 | 35,784 | 32,705 | 609 | 85.3% | — | 58.8 | 91 | — | D 应然不可得(无官方名单) |
| 2025 | 27,669 | 27,041 | 580 | 87.5% | — | 47.7 | 77 | — | D 应然不可得(无官方名单) |
| 2026 | 27,914 | 27,914 | 542 | 87.7% | 73.0% | 51.5 | 76 | 10,324 | D 源覆盖不足(应然分母已量化) |
| 2027 | 28,108 | 28,108 | 542 | 87.8% | 75.5% | 51.9 | 75 | 9,106 | D 源覆盖不足(应然分母已量化) |
**2027 届缺口校(共 75 所,按层级):** 中国地质大学(北京)(211)、中国地质大学(武汉)(211)、中国石油大学(北京)(211)、中国石油大学(华东)(211)、中国矿业大学(北京)(211)、中国矿业大学(徐州)(211)、中共吉林省委党校(吉林省行政学院)(双非)、中共山东省委党校(山东行政学院)(双非)、中国人民警察大学(双非)、中国劳动关系学院(双非)、中国科学院大学(双非)、云南警官学院(双非)、井冈山大学(双非)、内蒙古科技大学包头师范学院(双非)、北部湾大学(双非)、南宁师范大学(双非)、南方科技大学(双非)、右江民族医学院(双非)、咸阳师范学院(双非)、哈尔滨音乐学院(双非)、唐山师范学院(双非)、喀什大学(双非)、国家老年医学中心(双非)、天水师范大学(双非)、太原师范学院(双非) …
## 招生目录·点对点17列
> 表 `pd_dir_detail` | 粒度 G2+ | 性质 采集 | 分母 B2a | 含学费/学制/推免
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 28,897 | 22,609 | 515 | 83.3% | — | 56.1 | 103 | — | D 应然不可得(无官方名单) |
| 2024 | 30,241 | 24,001 | 519 | 84.0% | — | 58.3 | 99 | — | D 应然不可得(无官方名单) |
| 2025 | 32,478 | 26,102 | 530 | 85.7% | — | 61.3 | 88 | — | D 应然不可得(无官方名单) |
| 2026 | 34,345 | 27,914 | 542 | 87.7% | 73.0% | 63.4 | 76 | 10,324 | D 源覆盖不足(应然分母已量化) |
| 2027 | 34,321 | 28,108 | 542 | 87.8% | 75.5% | 63.3 | 75 | 9,106 | D 源覆盖不足(应然分母已量化) |
**2027 届缺口校(共 75 所,按层级):** 中国地质大学(北京)(211)、中国地质大学(武汉)(211)、中国石油大学(北京)(211)、中国石油大学(华东)(211)、中国矿业大学(北京)(211)、中国矿业大学(徐州)(211)、中共吉林省委党校(吉林省行政学院)(双非)、中共山东省委党校(山东行政学院)(双非)、中国人民警察大学(双非)、中国劳动关系学院(双非)、中国科学院大学(双非)、云南警官学院(双非)、井冈山大学(双非)、内蒙古科技大学包头师范学院(双非)、北部湾大学(双非)、南宁师范大学(双非)、南方科技大学(双非)、右江民族医学院(双非)、咸阳师范学院(双非)、哈尔滨音乐学院(双非)、唐山师范学院(双非)、喀什大学(双非)、国家老年医学中心(双非)、天水师范大学(双非)、太原师范学院(双非) …
## ├ 学费
> 表 `pd_dir_detail.tuition` | 粒度 G2+ | 性质 采集 | 分母 B2a |
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 28,304 | 22,200 | 501 | 81.0% | — | 56.5 | 117 | — | D 应然不可得(无官方名单) |
| 2024 | 29,908 | 23,777 | 511 | 82.7% | — | 58.5 | 107 | — | D 应然不可得(无官方名单) |
| 2025 | 31,881 | 25,662 | 517 | 83.6% | — | 61.7 | 101 | — | D 应然不可得(无官方名单) |
| 2026 | 33,965 | 27,592 | 536 | 86.7% | 72.2% | 63.4 | 82 | 10,646 | D 源覆盖不足(应然分母已量化) |
| 2027 | 34,321 | 28,108 | 542 | 87.8% | 75.5% | 63.3 | 75 | 9,106 | D 源覆盖不足(应然分母已量化) |
**2027 届缺口校(共 75 所,按层级):** 中国地质大学(北京)(211)、中国地质大学(武汉)(211)、中国石油大学(北京)(211)、中国石油大学(华东)(211)、中国矿业大学(北京)(211)、中国矿业大学(徐州)(211)、中共吉林省委党校(吉林省行政学院)(双非)、中共山东省委党校(山东行政学院)(双非)、中国人民警察大学(双非)、中国劳动关系学院(双非)、中国科学院大学(双非)、云南警官学院(双非)、井冈山大学(双非)、内蒙古科技大学包头师范学院(双非)、北部湾大学(双非)、南宁师范大学(双非)、南方科技大学(双非)、右江民族医学院(双非)、咸阳师范学院(双非)、哈尔滨音乐学院(双非)、唐山师范学院(双非)、喀什大学(双非)、国家老年医学中心(双非)、天水师范大学(双非)、太原师范学院(双非) …
## ├ 学制
> 表 `pd_dir_detail.duration` | 粒度 G2+ | 性质 采集 | 分母 B2a |
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 28,435 | 22,381 | 507 | 82.0% | — | 56.1 | 111 | — | D 应然不可得(无官方名单) |
| 2024 | 29,912 | 23,850 | 514 | 83.1% | — | 58.2 | 104 | — | D 应然不可得(无官方名单) |
| 2025 | 32,130 | 25,938 | 526 | 85.1% | — | 61.1 | 92 | — | D 应然不可得(无官方名单) |
| 2026 | 34,195 | 27,854 | 541 | 87.5% | 72.8% | 63.2 | 77 | 10,384 | D 源覆盖不足(应然分母已量化) |
| 2027 | 34,320 | 28,107 | 542 | 87.8% | 75.5% | 63.3 | 75 | 9,107 | D 源覆盖不足(应然分母已量化) |
**2027 届缺口校(共 75 所,按层级):** 中国地质大学(北京)(211)、中国地质大学(武汉)(211)、中国石油大学(北京)(211)、中国石油大学(华东)(211)、中国矿业大学(北京)(211)、中国矿业大学(徐州)(211)、中共吉林省委党校(吉林省行政学院)(双非)、中共山东省委党校(山东行政学院)(双非)、中国人民警察大学(双非)、中国劳动关系学院(双非)、中国科学院大学(双非)、云南警官学院(双非)、井冈山大学(双非)、内蒙古科技大学包头师范学院(双非)、北部湾大学(双非)、南宁师范大学(双非)、南方科技大学(双非)、右江民族医学院(双非)、咸阳师范学院(双非)、哈尔滨音乐学院(双非)、唐山师范学院(双非)、喀什大学(双非)、国家老年医学中心(双非)、天水师范大学(双非)、太原师范学院(双非) …
## └ 推免人数
> 表 `pd_dir_detail.tuisong_num` | 粒度 G2+ | 性质 采集 | 分母 B2a | 官方无此字段
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 6,907 | 5,645 | 141 | 22.9% | — | 49.0 | 476 | — | B 源上限(多数校不公布) |
| 2024 | 8,951 | 7,177 | 154 | 25.0% | — | 58.1 | 463 | — | B 源上限(多数校不公布) |
| 2025 | 7,353 | 6,012 | 137 | 22.2% | — | 53.7 | 480 | — | B 源上限(多数校不公布) |
| 2026 | 8,576 | 7,124 | 150 | 24.3% | — | 57.2 | 467 | — | B 源上限(多数校不公布) |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
**2026 届缺口校(共 467 所,按层级):** 上海外国语大学(211)、上海财经大学(211)、东北师范大学(211)、东北林业大学(211)、东华大学(211)、中国地质大学(北京)(211)、中国地质大学(武汉)(211)、中国石油大学(北京)(211)、中国石油大学(华东)(211)、中国矿业大学(北京)(211)、中国矿业大学(徐州)(211)、中国药科大学(211)、中央财经大学(211)、云南大学(211)、北京中医药大学(211)、北京外国语大学(211)、北京邮电大学(211)、华东理工大学(211)、华中农业大学(211)、南京农业大学(211)、南京理工大学(211)、南京航空航天大学(211)、南昌大学(211)、大连海事大学(211)、天津医科大学(211) …
## 分数线(平台)
> 表 `fact_score` | 粒度 G4→G2 | 性质 采集 | 分母 B2a | 按科目
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 60,931 | 15,717 | 442 | 66.6% | — | 137.9 | 206 | — | D 待查(同源分数段有 516 校,源上限不成立) |
| 2024 | 101,887 | 25,075 | 599 | 89.1% | — | 170.1 | 67 | — | D 应然不可得(无官方名单) |
| 2025 | 127,088 | 28,276 | 656 | 98.1% | — | 193.7 | 12 | — | A 零散缺(待复核) |
| 2026 | 59,502 | 13,724 | 606 | 98.2% | — | 98.2 | 11 | — | A 零散缺(待复核) |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
**2026 届缺口校(共 11 所,按层级):** 上海中医药大学(双非)、中共山东省委党校(山东行政学院)(双非)、中国气象科学研究院(双非)、中国青年政治学院(双非)、云南警官学院(双非)、哈尔滨体育学院(双非)、天水师范大学(双非)、广东金融学院(双非)、西藏民族大学(双非)、重庆三峡科技大学(双非)、长江商学院(双非)
## 分数段分布
> 表 `fact_score_dist` | 粒度 G4→G2 | 性质 采集 | 分母 B2a | 按分数段
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 420,085 | 22,422 | 574 | 85.7% | — | 731.9 | 88 | — | D 应然不可得(无官方名单) |
| 2024 | 491,418 | 25,077 | 599 | 89.1% | — | 820.4 | 67 | — | D 应然不可得(无官方名单) |
| 2025 | 613,314 | 28,280 | 656 | 98.1% | — | 934.9 | 12 | — | A 零散缺(待复核) |
| 2026 | 276,159 | 13,724 | 606 | 98.2% | — | 455.7 | 11 | — | A 零散缺(待复核) |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
**2026 届缺口校(共 11 所,按层级):** 上海中医药大学(双非)、中共山东省委党校(山东行政学院)(双非)、中国气象科学研究院(双非)、中国青年政治学院(双非)、云南警官学院(双非)、哈尔滨体育学院(双非)、天水师范大学(双非)、广东金融学院(双非)、西藏民族大学(双非)、重庆三峡科技大学(双非)、长江商学院(双非)
## 复试分数线
> 表 `ggyx_getfs_hist_all` | 粒度 G2 | 性质 采集 | 分母 B2a | 三元组
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 9,179 | 8,507 | 485 | 78.6% | — | 18.9 | 132 | — | D 应然不可得(无官方名单) |
| 2024 | 11,255 | 10,278 | 501 | 81.2% | — | 22.5 | 116 | — | D 应然不可得(无官方名单) |
| 2025 | 14,111 | 12,872 | 589 | 95.5% | — | 24.0 | 28 | — | A 零散缺(待复核) |
| 2026 | 14,579 | 13,260 | 594 | 96.3% | — | 24.5 | 23 | — | A 零散缺(待复核) |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
**2026 届缺口校(共 23 所,按层级):** 东华大学(211)、上海中医药大学(双非)、上海杉达学院(双非)、中共山东省委党校(山东行政学院)(双非)、中国医科大学(双非)、中国气象科学研究院(双非)、中国青年政治学院(双非)、云南警官学院(双非)、兰州城市学院(双非)、哈尔滨体育学院(双非)、哈尔滨医科大学(双非)、国家老年医学中心(双非)、天水师范大学(双非)、宁夏理工学院(双非)、广东金融学院(双非)、广西中医药大学(双非)、沈阳航空航天大学(双非)、福建医科大学(双非)、西安建筑科技大学(双非)、西藏民族大学(双非)、辽宁科技大学(双非)、重庆三峡科技大学(双非)、长江商学院(双非)
## 复试分数段
> 表 `ggyx_getfs_seg_all` | 粒度 G4→G2 | 性质 采集 | 分母 B2a |
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 54,547 | 8,507 | 485 | 78.6% | — | 112.5 | 132 | — | D 应然不可得(无官方名单) |
| 2024 | 67,101 | 10,278 | 501 | 81.2% | — | 133.9 | 116 | — | D 应然不可得(无官方名单) |
| 2025 | 82,312 | 12,872 | 589 | 95.5% | — | 139.7 | 28 | — | A 零散缺(待复核) |
| 2026 | 94,920 | 13,260 | 594 | 96.3% | — | 159.8 | 23 | — | A 零散缺(待复核) |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
**2026 届缺口校(共 23 所,按层级):** 东华大学(211)、上海中医药大学(双非)、上海杉达学院(双非)、中共山东省委党校(山东行政学院)(双非)、中国医科大学(双非)、中国气象科学研究院(双非)、中国青年政治学院(双非)、云南警官学院(双非)、兰州城市学院(双非)、哈尔滨体育学院(双非)、哈尔滨医科大学(双非)、国家老年医学中心(双非)、天水师范大学(双非)、宁夏理工学院(双非)、广东金融学院(双非)、广西中医药大学(双非)、沈阳航空航天大学(双非)、福建医科大学(双非)、西安建筑科技大学(双非)、西藏民族大学(双非)、辽宁科技大学(双非)、重庆三峡科技大学(双非)、长江商学院(双非)
## 录取名单·本校
> 表 `fact_admission` | 粒度 G4→G2 | 性质 采集 | 分母 B2a | 2026届,本校拟录取/进复试
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2024 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2025 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2026 | 770,793 | 19,892 | 661 | 100.0% | — | 1166.1 | 0 | — | A 零散缺(待复核) |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
## 分数去向·跨校
> 表 `fact_dest` | 粒度 G4→G2 | 性质 采集 | 分母 B2a | 考生最终被外校录取的去向
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2024 | 164,792 | 14,481 | 571 | 85.3% | — | 288.6 | 91 | — | D 应然不可得(无官方名单) |
| 2025 | 160,486 | 15,063 | 607 | 91.2% | — | 264.4 | 54 | — | D 应然不可得(无官方名单) |
| 2026 | — | — | — | — | — | — | — | — | A/D 未采集或未收录 |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
**2025 届缺口校(共 54 所,按层级):** 上海外国语大学(211)、上海财经大学(211)、东华大学(211)、中国政法大学(211)、云南大学(211)、对外经济贸易大学(211)、上海国家会计学院(双非)、中共山东省委党校(山东行政学院)(双非)、中共江苏省委党校(双非)、中共黑龙江省委党校(双非)、中国青年政治学院(双非)、九江学院(双非)、云南艺术学院(双非)、兰州城市学院(双非)、北京服装学院(双非)、北部湾大学(双非)、华东政法大学(双非)、哈尔滨体育学院(双非)、哈尔滨医科大学(双非)、唐山师范学院(双非)、四川省社会科学院(双非)、国家老年医学中心(双非)、宁夏理工学院(双非)、宁波工程学院(双非)、宜春学院(双非) …
## 调剂公告
> 表 `ggyx_adjust_notice` | 粒度 G1→G2 | 性质 采集 | 分母 B2a | 公告级
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 19,833 | 16,260 | 560 | 72.3% | — | 35.4 | 171 | — | D 应然不可得(无官方名单) |
| 2024 | 14,235 | 11,000 | 531 | 69.2% | — | 26.8 | 190 | — | D 应然不可得(无官方名单) |
| 2025 | 23,372 | 16,595 | 688 | 89.1% | — | 34.0 | 67 | — | D 应然不可得(无官方名单) |
| 2026 | 27,440 | 19,887 | 819 | 97.1% | — | 33.5 | 18 | — | A 零散缺(待复核) |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
**2026 届缺口校(共 18 所,按层级):** 南京航空航天大学(211)、华南理工大学(985)、国防科技大学(985)、上海对外经贸大学(双非)、中共吉林省委党校(吉林省行政学院)(双非)、吉林艺术学院(双非)、吉林财经大学(双非)、四川警察学院(双非)、国家老年医学中心(双非)、天津音乐学院(双非)、宁夏医科大学(双非)、山东第二医科大学(双非)、广州美术学院(双非)、昌吉学院(双非)、沈阳师范大学(双非)、浙江中医药大学(双非)、深圳技术大学(双非)、湖北美术学院(双非)
## 目录倒推(校×专业)
> 表 `ggyx_dir_hist_reverse` | 粒度 G2 | 性质 半派生 | 分母 B2a | 由结果倒推
| 年份 | 行数 | 专业键 | 校数 | 校覆盖 | 专业覆盖 | 行密度 | 缺口校 | 缺口专业 | 归因 |
|---|---|---|---|---|---|---|---|---|---|
| 2022 | — | — | — | — | — | — | — | — | C 用户决策放弃(2022 未采集) |
| 2023 | 10,099 | 10,099 | 516 | 83.6% | — | 19.6 | 101 | — | D 应然不可得(无官方名单) |
| 2024 | 11,821 | 11,821 | 549 | 89.0% | — | 21.5 | 68 | — | D 应然不可得(无官方名单) |
| 2025 | 13,541 | 13,541 | 611 | 99.0% | — | 22.2 | 6 | — | A 零散缺(待复核) |
| 2026 | 13,724 | 13,724 | 606 | 98.2% | — | 22.6 | 11 | — | A 零散缺(待复核) |
| 2027 | — | — | — | — | — | — | — | — | C 客观未发生(2026-12 考试后才有) |
**2026 届缺口校(共 11 所,按层级):** 上海中医药大学(双非)、中共山东省委党校(山东行政学院)(双非)、中国气象科学研究院(双非)、中国青年政治学院(双非)、云南警官学院(双非)、哈尔滨体育学院(双非)、天水师范大学(双非)、广东金融学院(双非)、西藏民族大学(双非)、重庆三峡科技大学(双非)、长江商学院(双非)
## 附:逐表规模(行数 ≥1 的数据表,共 111 张)
> 「纳入状态」标出该表是否参与上面的缺口矩阵。**标 ⚠️ 的归档表与主表是互补关系,合并可提升覆盖**,详见 `归档表落差审计.md`。
| 表 | 行数 | 年份取值 | 校列 | 校数 | 备注 | 纳入状态 |
|---|---|---|---|---|---|---|
| `ggyx_a_exam_dist_h` | 944,295 | 2023,2024,2025 | school_id | 615 | | ⚠️ 归档·主表 exam_dist |
| `ggyx_exam_dist` | 891,757 | 2023,2024,2025,2026 | school_id | 615 | | 未纳入 |
| `ggyx_admission_list` | 770,793 | — | school_id | 661 | | 未纳入 |
| `ggyx_a_st_source` | 745,331 | — | school_id | 894 | | 归档 |
| `ggyx_pg_person` | 727,377 | 2023,2024,2025 | school_id | 505 | | 未纳入 |
| `ggyx_a_exam_dist` | 411,502 | — | school_id | 737 | | 归档 |
| `ggyx_getfs_seg_all` | 298,880 | 2023,2024,2025,2026 | school_id | 608 | | ✅ 矩阵 |
| `ggyx_a_fs_dest_person_h` | 276,612 | 2024,2025 | school_id | 593 | | ⚠️ 归档·主表 fs_dest_person |
| `ggyx_st_source` | 274,761 | — | school_id | 617 | | 未纳入 |
| `ggyx_prosgraduate` | 242,459 | 2026 | school_id | 505 | | 未纳入 |
| `ggyx_getfs_seg` | 203,960 | 2023,2024,2025 | school_id | 601 | | 未纳入 |
| `ggyx_exam_score` | 201,901 | 2023,2024,2025,2026 | school_id | 613 | | 未纳入 |
| `ggyx_a_fs_dest_stat_h` | 200,270 | 2024,2025 | school_id | 591 | | 归档 |
| `ggyx_a_exam_score_h` | 190,931 | 2023,2024,2025 | school_id | 614 | | ⚠️ 归档·主表 exam_score |
| `ggyx_pre_adjust_rank` | 169,049 | 2026 | school_id | 607 | | 未纳入 |
| `ggyx_a_fs_dest_person` | 168,419 | — | school_id | 686 | | 归档 |
| `pd_dir_detail` | 160,282 | 2023,2024,2025,2026,2027 | school | 543 | | ✅ 矩阵 |
| `dir_hist` | 145,978 | 2022,2023,2024,2025,2026,2027 | 院校 | 697 | | ✅ 矩阵 |
| `ggyx_a_fs_dest_stat` | 143,774 | — | school_id | 684 | | 归档 |
| `ggyx_a_getfs_seg` | 140,553 | — | school_id | 705 | | 归档 |
| `chsi_2027_dir` | 105,411 | — | dwmc | 907 | | ✅ 矩阵 |
| `ggyx_collect_log` | 103,411 | — | — | | | 未纳入 |
| `src_notice_subjects` | 99,831 | 2024,2025,2026,2027 | school_id | 541 | | 未纳入 |
| `ggyx_fact_raw` | 98,430 | — | school_id | 617 | | 未纳入 |
| `ggyx_score_segment` | 94,920 | — | school_id | 594 | | 未纳入 |
| `ggyx_a_exam_score` | 92,162 | — | school_id | 737 | | 归档 |
| `ggyx_adjust_notice` | 85,487 | 2023,2024,2025,2026 | sch_name | 969 | | ✅ 矩阵 |
| `ggyx_a_ssd_tag` | 70,808 | — | school_id | 879 | | 归档 |
| `src_ggyx_lines` | 66,237 | 2026 | school | 618 | | 未纳入 |
| `ggyx_fs_dest_person` | 61,393 | 2024,2025 | school_id | 563 | | 未纳入 |
| `ggyx_book_author` | 59,609 | — | — | | | 未纳入 |
| `ggyx_ssd_tag` | 55,848 | — | school_id | 615 | | 未纳入 |
| `src_admit_roster` | 51,863 | None,2025,2026,2027 | school_id | 88 | | 未纳入 |
| `src_major_catalog` | 51,410 | 2026 | school_id | 936 | | ✅ 矩阵 |
| `src_master` | 51,410 | — | 院校 | 936 | | 未纳入 |
| `ggyx_ssd_master` | 51,397 | — | school_id | 933 | | 未纳入 |
| `ggyx_major_contrast` | 51,084 | 2026 | school_id | 934 | | 未纳入 |
| `src_book_versions` | 50,104 | — | — | | | 未纳入 |
| `ggyx_dir_hist_reverse` | 49,185 | 2023,2024,2025,2026 | school_id | 615 | | ✅ 矩阵 |
| `ggyx_getfs_hist_all` | 49,124 | 2023,2024,2025,2026 | school_id | 608 | | ✅ 矩阵 |
| `ggyx_major_over400_seg` | 49,124 | 2023,2024,2025,2026 | school_id | 608 | 派生 | 未纳入 |
| `ggyx_collect_log2` | 43,398 | — | — | | | 未纳入 |
| `ggyx_fact_raw2` | 43,398 | — | — | | | 未纳入 |
| `ggyx_book_ref` | 35,647 | — | — | | | 未纳入 |
| `ggyx_getfs_hist` | 34,545 | 2023,2024,2025 | school_id | 601 | | 未纳入 |
| `src_subject_pool` | 29,514 | — | — | | | 未纳入 |
| `ggyx_score_dest` | 27,719 | — | school_id | 541 | | 未纳入 |
| `src_supervisors` | 27,644 | None,2025,2026,2027 | school_id | 59 | | 未纳入 |
| `ggyx_a_getfs_hist` | 20,684 | — | school_id | 705 | | 归档 |
| `ggyx_hot_triple` | 19,686 | 2026 | school_id | 617 | | 未纳入 |
| `ggyx_major_competition_proxy` | 19,686 | — | school_id | 617 | | 未纳入 |
| `ggyx_major_rank_metrics` | 19,686 | — | school_id | 617 | | 未纳入 |
| `ggyx_major_score_stats` | 19,686 | — | school_id | 617 | 派生 | 未纳入 |
| `ggyx_triple_hist` | 19,686 | — | school_id | 617 | | 未纳入 |
| `src_notice_policies` | 19,509 | 2024,2025,2026,2027 | school_id | 718 | | 未纳入 |
| `ggyx_major_school_rank` | 18,514 | 2026 | school_id | 599 | | 未纳入 |
| `ggyx_major_yoy_metrics` | 17,361 | — | school_id | 608 | | 未纳入 |
| `ggyx_collect_log3` | 16,206 | — | — | | | 未纳入 |
| `ggyx_article` | 15,179 | — | — | | | 未纳入 |
| `src_line_from_name` | 14,232 | 2025,2026 | school_id | 158 | | 未纳入 |
| `src_contacts` | 10,960 | None,2025,2026,2027 | school_id | 265 | | 未纳入 |
| `ggyx_fs_dest_hist` | 9,309 | 2024,2025 | school_id | 563 | | 未纳入 |
| `ggyx_school_adjust_major` | 9,246 | — | school_id | 616 | | 未纳入 |
| `ggyx_exam_subject` | 9,006 | — | — | | | 未纳入 |
| `ggyx_major_school_hot` | 8,362 | 2026 | school_id | 614 | | 未纳入 |
| `ggyx_exam_person` | 7,242 | — | — | | | 未纳入 |
| `ggyx_dim_dept` | 7,002 | — | school_id | 617 | | 未纳入 |
| `src_admit_samples` | 6,708 | — | — | | | 未纳入 |
| `dim_school_id_map` | 5,995 | — | — | | | 未纳入 |
| `src_notice_bodies` | 5,797 | — | school_id | 777 | | 未纳入 |
| `ggyx_major_analyze` | 5,760 | 2026 | — | | | 未纳入 |
| `ggyx_major_limit_tag` | 5,638 | 2026 | school_id | 653 | | 未纳入 |
| `src_tuition` | 5,397 | 2019,2024,2025,2026,2027 | 院校 | 559 | | 未纳入 |
| `ggyx_dim_xkpg` | 5,147 | — | school_id | 371 | | 未纳入 |
| `src_xkpg` | 5,147 | — | school_id | 371 | | 未纳入 |
| `src_school_discipline_line` | 4,475 | 2025,2026 | school_id | 68 | | 未纳入 |
| `ggyx_archive_index` | 4,043 | — | — | | | 未纳入 |
| `src_line_from_notice` | 3,744 | 2025,2026 | school_id | 59 | | 未纳入 |
| `src_outline` | 2,148 | 2024,2025,2026,2027 | school_id | 169 | | 未纳入 |
| `chsi_align` | 1,987 | — | dwmc | 359 | | 未纳入 |
| `chsi_dir` | 1,987 | — | dwmc | 359 | | 未纳入 |
| `src_target_major_checked` | 1,942 | — | 院校 | 421 | | 未纳入 |
| `src_target_major` | 1,854 | — | 院校 | 418 | | 未纳入 |
| `ggyx_dim_major` | 1,595 | — | — | | | 未纳入 |
| `ggyx_a_maj_dist` | 1,518 | — | — | | | 归档 |
| `ggyx_major_hot_rank` | 1,518 | — | — | | | 未纳入 |
| `ggyx_major_map` | 1,342 | — | — | | | 未纳入 |
| `src_topics` | 1,159 | — | — | | | 未纳入 |
| `ggyx_dim_school` | 1,039 | — | school_id | 1039 | | 未纳入 |
| `ggyx_dim_school_code` | 1,038 | — | school_id | 1038 | | 未纳入 |
| `ggyx_school_map` | 1,038 | — | school_id | 1038 | | 未纳入 |
| `chsi_major` | 1,030 | — | dwmc | 359 | | 未纳入 |
| `ggyx_school_notice_stat` | 970 | — | sch_name | 970 | | 未纳入 |
| `src_official_lines` | 774 | 2023,2026 | school | 4 | | 未纳入 |
| `src_roster_major_stat` | 510 | None,2025,2026 | 院校 | 44 | | 未纳入 |
| `ggyx_dim_kypt` | 368 | — | school_id | 141 | | 未纳入 |
| `chsi_school` | 362 | — | dwmc | 360 | | 未纳入 |
| `ggyx_endpoint_manifest` | 217 | — | — | | | 未纳入 |
| `dim_table_meta` | 185 | — | — | | | 未纳入 |
| `src_national_lines` | 143 | 2022,2023,2024,2025,2026 | — | | | 未纳入 |
| `ggyx_ref_dict` | 101 | — | — | | | 未纳入 |
| `src_roster_school_stat` | 72 | 2025,2026 | 院校 | 64 | | 未纳入 |
| `src_national_line_notes` | 41 | 2022,2023,2024,2025,2026 | — | | | 未纳入 |
| `dim_field_semantics` | 23 | — | — | | | 未纳入 |
| `dim_school_rename` | 16 | — | — | | | 未纳入 |
| `ggyx_yw_question` | 16 | — | — | | | 未纳入 |
| `ggyx_meta` | 10 | — | — | | | 未纳入 |
| `ggyx_dim_major_class` | 9 | — | — | | | 未纳入 |
| `ggyx_ref_jieshu` | 4 | — | — | | | 未纳入 |
| `ggyx_fill_stat` | 3 | — | — | | | 未纳入 |
| `ggyx_school_news` | 3 | — | school_id | 3 | | 未纳入 |
+3
View File
@@ -0,0 +1,3 @@
SELECT 专业代码, COUNT(*) AS n, COUNT(DISTINCT 院校) AS sch
FROM src_target_major
GROUP BY 专业代码 ORDER BY 专业代码;
+195
View File
@@ -0,0 +1,195 @@
-- 汇总层视图与配套空表。build_db.py / merge_att_fields.py 共用这一份,避免定义漂移。
-- att_fields 先建空表,视图就能在任何时候创建成功,不必关心附件解析跑没跑过。
CREATE TABLE IF NOT EXISTS att_fields (
school TEXT, code TEXT, name TEXT, field TEXT, value TEXT, year_scope TEXT,
src_file TEXT, src_url TEXT, snippet TEXT, ingested_at TEXT,
PRIMARY KEY (school, code, field, src_file, value));
DROP VIEW IF EXISTS v_2027_核对;
CREATE VIEW v_2027_核对 AS
SELECT m."院校" AS 院校, m."学院" AS 学院, m."专业代码" AS 专业代码, m."专业名称" AS 专业名称,
m."省份" AS 省份, m."层次" AS 层次,
-- 考试科目:平台值 / 官方目录值 / 核对结论
m."统考科目" AS 平台统考科目, m."官方2027初试科目" AS 官方2027初试科目,
a.附件初试科目, m."核对_考试科目" AS 科目核对结论,
-- 复试线:平台抽的 / 公告提取的 / 官方原文 / 第三方中公历年
m."官方复试线" AS 平台官方复试线, m."复试线_公告提取" AS 公告提取复试线,
m."官方复试线原文" AS 官方复试线原文, m."第三方_中公历年院线" AS 中公历年院线,
-- 学费与学制:三处来源并排
m."学费" AS 平台学费, m."官方表格_学费" AS 官方表格学费, m."官方简章_学费" AS 官方简章学费,
a.附件学费, m."学制" AS 平台学制, a.附件学制,
-- 招生规模
m."官方总招生" AS 平台总招生, m."官方2027拟招总数" AS 官方2027拟招总数,
m."第三方_中公招生计划" AS 中公招生计划, a.附件拟招人数,
m."官方2027推免" AS 官方2027推免, a.附件推免人数,
m."核对结论" AS 核对结论, m."第三方_中公来源" AS 中公来源,
-- 该校最新通知(院校级线索,官网公告多数不在标题里写专业代码,不要当专业级读数)
(SELECT COUNT(*) FROM notices_all n
WHERE n.school = m."院校" AND (n.title LIKE '%2027%' OR n.pub_date >= '2026-06-01')) AS 该校近期通知数,
(SELECT n.pub_date FROM notices_all n
WHERE n.school = m."院校" ORDER BY COALESCE(n.pub_date,'0000') DESC LIMIT 1) AS 该校最新通知日期,
(SELECT n.title FROM notices_all n
WHERE n.school = m."院校" ORDER BY COALESCE(n.pub_date,'0000') DESC LIMIT 1) AS 该校最新通知标题,
(SELECT n.url FROM notices_all n
WHERE n.school = m."院校" ORDER BY COALESCE(n.pub_date,'0000') DESC LIMIT 1) AS 该校最新通知链接,
(SELECT COUNT(*) FROM notice_files f JOIN notices_all n2 ON n2.notice_key=f.notice_key
WHERE n2.school=m."院校" AND f.status='ok') AS 该校已存附件数
FROM src_target_major_checked m
LEFT JOIN (
SELECT school, code,
MAX(CASE WHEN field='学费' THEN value END) AS 附件学费,
MAX(CASE WHEN field='学制' THEN value END) AS 附件学制,
MAX(CASE WHEN field='拟招生人数' THEN value END) AS 附件拟招人数,
MAX(CASE WHEN field='推免人数' THEN value END) AS 附件推免人数,
MAX(CASE WHEN field='复试线' THEN value END) AS 附件复试线,
MAX(CASE WHEN field='初试科目' THEN value END) AS 附件初试科目
FROM att_fields GROUP BY school, code
) a ON a.school = m."院校" AND a.code = m."专业代码";
-- 查询用的索引。跟视图一起维护,镜像层重建把表 DROP 掉之后重跑这份就能补回。
CREATE INDEX IF NOT EXISTS majors_school_idx ON core_majors (school);
CREATE INDEX IF NOT EXISTS majors_code_idx ON core_majors (code);
CREATE INDEX IF NOT EXISTS majors_prov_idx ON core_majors (prov);
CREATE INDEX IF NOT EXISTS notices_school_idx ON notices_all (school);
CREATE INDEX IF NOT EXISTS notices_date_idx ON notices_all (pub_date DESC);
CREATE INDEX IF NOT EXISTS notices_source_idx ON notices_all (source);
CREATE INDEX IF NOT EXISTS notices_found_idx ON notices_all (found_at DESC);
CREATE INDEX IF NOT EXISTS files_school_idx ON files (school);
CREATE INDEX IF NOT EXISTS files_ext_idx ON files (ext);
CREATE INDEX IF NOT EXISTS files_year_idx ON files (year);
CREATE INDEX IF NOT EXISTS files_archive_idx ON files (archive);
CREATE INDEX IF NOT EXISTS nf_key_idx ON notice_files (notice_key);
CREATE INDEX IF NOT EXISTS nf_status_idx ON notice_files (status);
CREATE INDEX IF NOT EXISTS src_state_idx ON sources (fetch_state);
CREATE INDEX IF NOT EXISTS att_key_idx ON att_fields (school, code);
CREATE INDEX IF NOT EXISTS src_master_school ON src_master ("院校");
CREATE INDEX IF NOT EXISTS src_master_code ON src_master ("专业代码");
CREATE INDEX IF NOT EXISTS src_checked_school ON src_target_major_checked ("院校");
CREATE INDEX IF NOT EXISTS src_checked_code ON src_target_major_checked ("专业代码");
CREATE INDEX IF NOT EXISTS src_cat_school ON src_major_catalog ("院校");
CREATE INDEX IF NOT EXISTS src_tuition_school ON src_tuition ("院校");
CREATE INDEX IF NOT EXISTS src_line_school ON src_line_from_name ("院校");
CREATE INDEX IF NOT EXISTS src_line_year ON src_line_from_name ("年份");
CREATE INDEX IF NOT EXISTS src_outline_code ON src_outline ("专业代码");
DROP VIEW IF EXISTS v_2027_发布状态;
-- 2027 级各类文件的发布进度。统考简章在《2027 年招生工作管理规定》(2026-09-24 印发) 之后才陆续出,
-- 所以此列长期偏低是正常的;「科目调整」才是当下最活跃的列。
CREATE VIEW v_2027_发布状态 AS
WITH k AS (
SELECT school, pub_date, title, url,
CASE
WHEN (title LIKE '%简章%' OR title LIKE '%章程%')
AND title NOT LIKE '%推免%' AND title NOT LIKE '%免试%' AND title NOT LIKE '%博士%' THEN '统考简章'
WHEN title LIKE '%推免%' OR title LIKE '%免试%' THEN '推免接收'
WHEN title LIKE '%专业目录%' OR title LIKE '%招生目录%' THEN '招生专业目录'
WHEN title LIKE '%大纲%' OR title LIKE '%自命题%' THEN '考试大纲'
WHEN title LIKE '%调整%' OR title LIKE '%改考%' OR title LIKE '%停招%' THEN '科目或专业调整'
WHEN title LIKE '%复试%' OR title LIKE '%调剂%' THEN '复试调剂'
END AS kind
FROM notices_all WHERE title LIKE '%2027%'
),
p AS (
SELECT school, kind, MAX(COALESCE(pub_date,'0000')) d, COUNT(*) n
FROM k WHERE kind IS NOT NULL GROUP BY school, kind
)
SELECT s.school AS 院校,
(SELECT m."省份" FROM src_master m WHERE m."院校"=s.school LIMIT 1) AS 省份,
(SELECT m."层次" FROM src_master m WHERE m."院校"=s.school LIMIT 1) AS 层次,
(SELECT NULLIF(d,'0000') FROM p WHERE p.school=s.school AND kind='统考简章') AS 统考简章日期,
(SELECT NULLIF(d,'0000') FROM p WHERE p.school=s.school AND kind='招生专业目录') AS 专业目录日期,
(SELECT NULLIF(d,'0000') FROM p WHERE p.school=s.school AND kind='考试大纲') AS 大纲日期,
(SELECT NULLIF(d,'0000') FROM p WHERE p.school=s.school AND kind='科目或专业调整') AS 科目调整日期,
(SELECT NULLIF(d,'0000') FROM p WHERE p.school=s.school AND kind='推免接收') AS 推免日期,
(SELECT NULLIF(d,'0000') FROM p WHERE p.school=s.school AND kind='复试调剂') AS 复试调剂日期,
(SELECT n FROM p WHERE p.school=s.school AND kind='科目或专业调整') AS 调整公告条数,
(SELECT COUNT(*) FROM notices_all n WHERE n.school=s.school AND n.title LIKE '%2027%') AS 含2027公告数,
(SELECT COUNT(*) FROM notice_files f JOIN notices_all n2 ON n2.notice_key=f.notice_key
WHERE n2.school=s.school AND f.status='ok') AS 已存附件数,
s.entry_url AS 公告栏入口, s.last_checked AS 上次检查, s.fetch_state AS 入口状态
FROM sources s;
-- ── 官方 0856 2027 接口视图 ───────────────────────────────────────
-- 给网站会话消费的稳定输出:列名与语义固定,值全部来自研招网 2027 专业目录(官方层)。
-- 可采信拟招 只在「该专业码的代表行」给数,共享行留 NULL —— 避免把专业级合计复制进每个方向行。
-- 第三方(平台列)只出现在 平台* 与 判定 两列,用于核验参考,不参与填充官方缺失。
DROP VIEW IF EXISTS v_0856_官方2027;
CREATE VIEW v_0856_官方2027 AS
SELECT a.dwdm AS 单位代码, a.dwmc AS 院校, a.yxsmc AS 院系所,
a.zydm AS 专业代码, a.zymc AS 专业名称, a.yjfxmc AS 研究方向,
a.xwlxmc AS 官方学位类型, a.xxfs_mc AS 官方学习方式, a.ksfsmc AS 官方考试方式,
a.quota_scope AS 名额粒度, a.quota_value AS 官方名额,
CASE WHEN a.quota_raw LIKE '%不含推免%' THEN '不含推免' ELSE '未标注' END AS 名额口径,
a.quota_raw AS 官方名额原文,
CASE WHEN a.quota_scope = '方向级' THEN a.quota_value
WHEN a.agree NOT IN ('共享') AND a.quota_scope = '专业级' THEN a.quota_value
ELSE NULL END AS 可采信拟招,
a.plat_official_total AS 平台官方2027拟招,
a.plat_official_tm AS 平台官方2027推免,
a.agree AS 官方与平台判定,
a.match_conf AS 匹配置信,
IFNULL((SELECT e.action FROM errata e WHERE e.field='拟招名额' AND e.school=a.dwmc
AND e.code=a.zydm AND e.college=a.yxsmc LIMIT 1),
(SELECT e.action FROM errata e WHERE e.field='拟招名额' AND e.school=a.dwmc
AND e.code=a.zydm AND IFNULL(e.college,'')='' LIMIT 1)) AS 勘误处置,
IFNULL((SELECT e.correct_value FROM errata e WHERE e.field='拟招名额' AND e.school=a.dwmc
AND e.code=a.zydm AND e.college=a.yxsmc LIMIT 1),
(SELECT e.correct_value FROM errata e WHERE e.field='拟招名额' AND e.school=a.dwmc
AND e.code=a.zydm AND IFNULL(e.college,'')='' LIMIT 1)) AS 勘误正确值,
CASE WHEN a.src_truncated = 1 THEN '可能未取全页' ELSE '已取全' END AS 数据完整性,
a.chsi_year AS 目录年份, a.src_file AS 源文件
FROM chsi_align a;
-- ── 0856 整合视图(字段补齐后的可交付宽表)─────────────────────────
-- 以现有 1942 行(规范化层 core_official_0856)为主键侧,把官方 chsi 层独有的字段接进来:
-- 单位码、院系所码、官方考试方式、官方名额原文与粒度、官方科目码、完整性与溯源。
-- 平台/推导值与官方实测值分列,官方缺失就是 NULL,不用平台值填。
-- 括号全半角与「院系列里带校名前缀」两种写法差异在 CTE 里先归一,避免在 ON 里堆嵌套函数。
DROP VIEW IF EXISTS v_0856_整合2027;
CREATE VIEW v_0856_整合2027 AS
WITH base AS (
SELECT b.*,
replace(replace(b.school , '(','('),')',')') AS school_n,
replace(replace(b.college, '(','('),')',')') AS college_n
FROM core_official_0856 b
), off1 AS (
SELECT c.*,
replace(replace(c.dwmc , '(','('),')',')') AS school_n,
replace(replace(c.yxsmc, '(','('),')',')') AS college_n,
ROW_NUMBER() OVER (PARTITION BY c.dwdm, c.yxsdm, c.zydm, c.xxfs
ORDER BY (c.ksfsdm='21') DESC, c.ksfsdm) rn
FROM chsi_major c
), rc AS (
SELECT a.school, a.code, a.college,
MAX(a.kind) kind, MAX(a.a_val) a_val, MAX(a.b_val) b_val, MAX(a.note) note
FROM plan27_recon a GROUP BY 1,2,3
)
SELECT b.school AS 院校, b.code AS 专业代码, b.college AS 学院, b.name AS 专业名称,
b.mode AS 学习方式, b.prov AS 省份, b.city AS 城市, b.level AS 层次,
m.dwdm AS 官方单位代码, m.yxsdm AS 官方院系所代码,
m.xwlxmc AS 官方学位类型, m.ksfsdm AS 官方考试方式码,
CASE m.ksfsdm WHEN '21' THEN '统考' WHEN '23' THEN '单考' ELSE m.ksfsdm END AS 官方考试方式,
m.quota_scope AS 官方名额粒度, m.quota_value AS 官方名额_不含推免,
m.quota_raw AS 官方名额原文, m.n_dirs AS 官方方向数, m.kskm_codes AS 官方科目码,
b.plan27 AS 平台2027拟招含推免, b.plan27_tuimian AS 平台2027推免,
b.plan27_exam AS 平台2027不含推免, b.subjects27 AS 平台2027科目,
b.dir27 AS 平台2027方向数, b.official_complete AS 平台完整性, b.match_way AS 平台匹配方式,
b.tab_source AS 院校目录来源, b.chsi_link AS 研招网链接,
r.a_val AS 对账官方值, r.b_val AS 对账平台值, r.kind AS 对账项, r.note AS 对账说明,
(SELECT e.action FROM errata e WHERE e.school=b.school AND e.code=b.code
AND (e.college=b.college OR IFNULL(e.college,'')='')
ORDER BY LENGTH(IFNULL(e.college,'')) DESC LIMIT 1) AS 勘误处置,
CASE WHEN m.dwdm IS NULL THEN '官方未覆盖此行' ELSE '官方已覆盖' END AS 官方覆盖,
m.src_file AS 官方源文件, m.ingested_at AS 官方入库时间
FROM base b
LEFT JOIN off1 m
ON m.rn = 1 AND m.zydm = b.code
AND m.school_n = b.school_n
AND CASE m.xxfs WHEN '1' THEN '全日制' WHEN '2' THEN '非全日制' ELSE m.xxfs END = b.mode
AND (m.college_n = b.college_n OR replace(m.college_n, m.school_n, '') = b.college_n)
LEFT JOIN rc r
ON r.code = b.code AND r.school = b.school
AND replace(replace(r.college,'(','('),')',')') = b.college_n;
+5
View File
@@ -0,0 +1,5 @@
# UI 导出脚本快照
这 6 个文件是 2026-10-30 从本机 `运行暂存/` 复制的既有脚本,保留原始实现供理解和续接。脚本引用 `D:/择校`、主库和 `docs/院校风景图_全量/院校风景图总索引.csv`;导出会写入 `docs/择校UI/`,打包会覆盖 `docs/择校UI_完整包.zip` 和 `docs/择校UI_轻量包.zip`。运行前在副本上核对路径、输入、数据库版本和输出覆盖范围。
`export_ui_data.py` 导出院校主数据;`export_majors.py` 导出专业;`export_dirs_split.py`、`export_major_detail.py`、`export_score_dist.py` 分别导出方向、专业明细和分数分布;`pack_ui.py` 打包。当前提交仅提供脚本副本,未在新环境中重新运行或证明完整复现。
@@ -0,0 +1,140 @@
# -*- coding: utf-8 -*-
"""按专业码分文件导出方向/科目明细,前端切换专业时按需加载。
输出 docs/择校UI/方向/<4位码>.js,内容:window.DIRS_<码> = { 院校序号: [{c,n,d,s,f,y}] }
另输出 方向/清单.js 列出可用的 4 位码,供前端判断是否需要发请求。
"""
import csv
import json
import os
import re
import sqlite3
from collections import Counter, defaultdict
SRC = r"D:/择校"
OUT = os.path.join(SRC, "docs/择校UI/方向")
os.makedirs(OUT, exist_ok=True)
con = sqlite3.connect(os.path.join(SRC, "数据库/zexiao_2027.db"))
cur = con.cursor()
idx = list(csv.DictReader(open(os.path.join(SRC, "docs/院校风景图_全量/院校风景图总索引.csv"), encoding="utf-8-sig")))
no_of = {r["院校代码"]: r["序号"] for r in idx}
# 6 位码级复试线(fact_global 2026 用校名,chsi 用院校代码,这里做一次映射)
# fact_global 里存的是 2026 年当时的校名,2027 目录已按更名后的新名列,故需别名表;
# 括号只做全半角归一用于匹配,不删括号,避免把矿大徐州/北京这类分校区并成同一所。
ALIAS = {
"安徽科技学院": "安徽科技工程大学",
"榆林学院": "榆林大学",
"湖南理工学院": "湖南理工大学",
"湖州师范学院": "湖州师范大学",
}
def norm(n):
n = (n or "").strip()
n = ALIAS.get(n, n)
return n.replace("(", "(").replace(")", ")")
code2name = {r["院校代码"]: norm(r["学校"]) for r in idx}
name_seen = Counter(norm(r["学校"]) for r in idx)
dup = [k for k, c in name_seen.items() if c > 1]
dline = defaultdict(list)
dline4 = defaultdict(list)
for sch, mc, val in cur.execute(
"SELECT DISTINCT school, major_code, value FROM fact_global WHERE year=2026 AND field='total'"):
n = re.search(r"\d+", str(val))
if n and mc:
v = int(n.group())
if 100 < v < 500:
if len(mc) >= 6:
dline[(norm(sch), mc)].append(v)
elif len(mc) == 4:
dline4[(norm(sch), mc)].append(v)
agg = defaultdict(lambda: defaultdict(lambda: {"depts": set(), "subg": Counter(),
"fees": set(), "yrs": set(), "name": ""}))
for dwdm, zydm, zymc, yxsmc, subj, fee, dur in cur.execute(
"SELECT dwdm, zydm, zymc, yxsmc, exam_subjects, tuition_fee, duration_years FROM chsi_2027_dir"):
if not dwdm or dwdm not in no_of or not zydm or len(zydm) < 6:
continue
slot = agg[zydm[:4]][(dwdm, zydm)]
slot["name"] = slot["name"] or (zymc or "")
if yxsmc:
slot["depts"].add(yxsmc)
grp = []
try:
for x in json.loads(subj or "[]"):
nm = re.sub(r"(.*?)", "", x.get("name", "")).replace("思想政治理论", "政治")
if nm:
grp.append(nm)
except Exception:
pass
if grp:
# 同校同 6 位码下不同方向的卷子不同,取最常见的整组而不是并集,避免"要考六门"的错觉
slot["subg"][tuple(dict.fromkeys(grp))] += 1
f = re.search(r"\d+", str(fee or ""))
if f and 500 <= int(f.group()) <= 200000:
slot["fees"].add(int(f.group()))
y = re.search(r"\d+", str(dur or ""))
if y:
slot["yrs"].add(int(y.group()))
per_code = {}
# 学科评估:表里 6 位码是专硕专业领域、4 位码是学术一级学科或"类别即评估单元"的专硕(如 1251 工商管理),
# 所以先按 6 位精确匹配,再退回 4 位。校名同样要过 norm,平台侧存的是当时的名字。
xk6, xk4 = {}, {}
for sch, mc, lv in cur.execute("SELECT school_name, major_code, level FROM ggyx_dim_xkpg"):
if not mc or not lv:
continue
mc, lv = mc.strip(), lv.strip()
key = (norm(sch), mc)
if len(mc) >= 6:
xk6[key] = lv
else:
xk4[key] = lv
def xk_of(name, zydm):
return xk6.get((name, zydm)) or xk4.get((name, zydm[:4])) or ""
for mc4, d in agg.items():
per = defaultdict(list)
for (dwdm, zydm), v in d.items():
lv = dline.get((code2name.get(dwdm, ""), zydm))
lm = "code" if lv else ""
if not lv:
lv = dline4.get((code2name.get(dwdm, ""), zydm[:4]))
lm = "major" if lv else ""
fees = sorted(v["fees"])
sg = v["subg"].most_common(1)[0][0] if v["subg"] else ()
per[no_of[dwdm]].append({
"c": zydm, "n": v["name"][:28], "d": sorted(v["depts"])[:3], "dn": len(v["depts"]),
"s": list(sg)[:6], "g": len(v["subg"]),
"f": (fees[0] if fees else 0), "f2": (fees[-1] if fees else 0),
"y": (min(v["yrs"]) if v["yrs"] else 0),
"l": ("" if not lv else (str(min(lv)) if len(set(lv)) == 1 else "%d–%d" % (min(lv), max(lv)))),
"m": lm, "k": xk_of(code2name.get(dwdm, ""), zydm),
})
for no in per:
per[no].sort(key=lambda x: x["c"])
per_code[mc4] = dict(per)
avail = []
total = 0
for mc4, data in sorted(per_code.items()):
txt = json.dumps(data, ensure_ascii=False, separators=(",", ":"))
open(os.path.join(OUT, mc4 + ".js"), "w", encoding="utf-8").write("window.DIRS_%s=%s;" % (mc4, txt))
total += len(txt)
avail.append({"code": mc4, "schools": len(data)})
names = dict(cur.execute("SELECT substr(zydm,1,4), zymc FROM chsi_2027_dir GROUP BY 1,2").fetchall())
avail.sort(key=lambda a: -a["schools"])
open(os.path.join(OUT, "清单.js"), "w", encoding="utf-8").write(
"window.DIRS_MANIFEST=" + json.dumps(
[{"code": a["code"], "n": a["schools"], "name": names.get(a["code"], "")} for a in avail],
ensure_ascii=False, separators=(",", ":")) + ";")
print("归一后重名(会互相串线,需人工拆)", dup)
print("文件数", len(avail), "总体积", total // 1024, "KB", "单文件最大",
max(len(json.dumps(per_code[a['code']], ensure_ascii=False)) for a in avail) // 1024, "KB")
print("0856 校数", next(a["schools"] for a in avail if a["code"] == "0856"))
@@ -0,0 +1,163 @@
# -*- coding: utf-8 -*-
"""按 4 位专业码导出录取与调剂指标,供 UI 切专业时按需加载。
输出 docs/择校UI/专业明细/<码>.js:
window.MDET_<码> = { 院校序号: [最低分, 平均分, 录取人数, 一志愿录取, 调剂年份串,
线涨跌(上限), 最低分涨跌, 均分涨跌, 人数涨跌, 2025线(上限),
线涨跌(下限), 2025线(下限)] }
口径与 export_ui_data.py 的 0856 主表保持一致:
- 同一 (校, 4位码) 下若存在比大类码更细的行,只取细行,避免大类行与方向行重复累加
- 最低分取 min、平均分取 mean、录取人数与一志愿录取取 sum(录取人数含推免,不可与报考数相除)
- 调剂年份来自 adjust_notice_majors(表内只有 2023–2026),按年取个位压成 "3456" 这样的串,前端按 2020+个位 还原
校名匹配沿用 ALIAS + 全半角归一,否则会漏掉更名院校。
"""
import csv
import json
import os
import re
import sqlite3
from collections import defaultdict
SRC = r"D:/择校"
OUT = os.path.join(SRC, "docs/择校UI/专业明细")
os.makedirs(OUT, exist_ok=True)
con = sqlite3.connect(os.path.join(SRC, "数据库/zexiao_2027.db"))
cur = con.cursor()
idx = list(csv.DictReader(open(os.path.join(SRC, "docs/院校风景图_全量/院校风景图总索引.csv"), encoding="utf-8-sig")))
ALIAS = {
"安徽科技学院": "安徽科技工程大学",
"榆林学院": "榆林大学",
"湖南理工学院": "湖南理工大学",
"湖州师范学院": "湖州师范大学",
}
def norm(n):
n = (n or "").strip()
return ALIAS.get(n, n).replace("(", "(").replace(")", ")")
no_of = {norm(r["学校"]): int(r["序号"]) for r in idx}
code2name = {r["院校代码"]: r["学校"] for r in idx}
FIELDS = ("enroll_min_score", "enroll_avg_score", "admitted", "first_vol_admitted", "total")
def sch_key(sch):
"""fact_global.school 一半存校名一半存 5 位院校代码,代码要先回解成校名再匹配。"""
s = str(sch or "").strip()
if re.fullmatch(r"\d{5}", s):
return norm(code2name.get(s, s))
return norm(s)
# vals[(year, field, 校名, 4位码)] = set((major_code, college, value))
# 必须按 (码, 院系, 值) 去重:同一组合在 fact_global 里会有多条来源行,直接 sum 会翻倍
vals = defaultdict(set)
for year, field, sch, mc, col, val in cur.execute(
"SELECT year, field, school, major_code, college, value FROM fact_global "
"WHERE year IN (2025, 2026) AND field IN (%s)" % ",".join("?" * len(FIELDS)), FIELDS):
if not mc or len(mc) < 4:
continue
m = re.search(r"\d+(?:\.\d+)?", str(val))
if not m:
continue
v = float(m.group())
# total 是总分线,必须限 100–500;否则同 field 下混进的 0、单科线等异常值会把聚合带偏
if field == "total" and not 100 < v < 500:
continue
if field != "total" and not 0 <= v < 100000:
continue
vals[(int(year), field, sch_key(sch), mc[:4])].add((mc, (col or "").strip(), v))
adj = defaultdict(set)
for sch, yr, code in cur.execute(
"SELECT DISTINCT school, year, code FROM adjust_notice_majors WHERE code IS NOT NULL"):
if not code or len(code) < 4:
continue
try:
adj[(sch_key(sch), code[:4])].add(int(yr))
except Exception:
pass
def raw(year, field, sch, mc4):
"""线(total)取全部行;大类码上挂的是各院系线而非方向行汇总,排除会丢线。
人数类仍可加,保留"有方向行就不取大类行"的规则。"""
rows = vals.get((year, field, sch, mc4), set())
if not rows:
return []
if field == "total":
return [v for _, _, v in rows]
big = mc4 + "00"
fine = [v for mc, _, v in rows if mc != big]
return fine if fine else [v for _, _, v in rows]
def stat(year, field, sch, mc4, how):
r = raw(year, field, sch, mc4)
if not r:
return None
if how == "lo":
return min(r)
if how == "hi":
return max(r)
if how == "mean":
return sum(r) / len(r)
return sum(r)
per = defaultdict(dict)
keys = {(sch, mc4) for (_, _, sch, mc4) in vals} | {(sch, mc4) for (sch, mc4) in adj}
for sch, mc4 in keys:
no = no_of.get(sch)
if no is None:
continue
lo, av, ad, fv = (stat(2026, f, sch, mc4, h) for f, h in (
("enroll_min_score", "lo"), ("enroll_avg_score", "mean"),
("admitted", "sum"), ("first_vol_admitted", "sum")))
ys = "".join(str(y)[-1] for y in sorted(adj.get((sch, mc4), ())) if 2020 <= y <= 2029)
# 涨跌给两个端点:上限是该校该专业已取到的最高线(宽类别下常是热门方向线),
# 下限是最低可进线(0856 下常是专项线)。只报一个会让读者把端点当成"普通计划线"。
dl = [stat(y, "total", sch, mc4, "hi") for y in (2026, 2025)]
dl_lo = [stat(y, "total", sch, mc4, "lo") for y in (2026, 2025)]
dmin = [stat(y, "enroll_min_score", sch, mc4, "lo") for y in (2026, 2025)]
davg = [stat(y, "enroll_avg_score", sch, mc4, "mean") for y in (2026, 2025)]
dadm = [stat(y, "admitted", sch, mc4, "sum") for y in (2026, 2025)]
def d(pair):
return int(round(pair[0] - pair[1])) if (pair[0] is not None and pair[1] is not None) else None
rec = [
int(lo) if lo is not None else None,
int(round(av)) if av is not None else None,
int(ad) if ad is not None else None,
int(fv) if fv is not None else None,
ys or None,
d(dl), d(dmin), d(davg), d(dadm),
int(dl[1]) if dl[1] is not None else None, # 2025 上限
d(dl_lo), # 2025→2026 下限同比
int(dl_lo[1]) if dl_lo[1] is not None else None, # 2025 下限
]
if any(v is not None for v in rec):
per[mc4][no] = rec
total = 0
manifest = []
for mc4, d in sorted(per.items()):
txt = json.dumps({str(k): v for k, v in d.items()}, ensure_ascii=False, separators=(",", ":"))
open(os.path.join(OUT, mc4 + ".js"), "w", encoding="utf-8").write("window.MDET_%s=%s;" % (mc4, txt))
total += len(txt)
manifest.append({"code": mc4, "n": len(d)})
manifest.sort(key=lambda a: -a["n"])
open(os.path.join(OUT, "清单.js"), "w", encoding="utf-8").write(
"window.MDET_MANIFEST=" + json.dumps(manifest, ensure_ascii=False, separators=(",", ":")) + ";")
print("文件数", len(manifest), "总体积", total // 1024, "KB")
big = max(manifest, key=lambda a: a["n"])
print("覆盖最广", big["code"], big["n"], "校")
for c in ("0856", "0854", "1251"):
d = per.get(c, {})
print(c, "校数", len(d), "| 样例", list(d.items())[:2])
@@ -0,0 +1,105 @@
# -*- coding: utf-8 -*-
"""导出「校 × 4 位专业码」矩阵,供 UI 切换目标专业。
口径:
- 复试线:fact_global 2026 field=total,按 (校, 4位码) 取观测值区间
- 拟招:chsi_2027_dir 按 (院系, 6位专业码) 取 MAX 再求和,避免大类行与方向行重复累加
- 方向数:该校该码下不同 6 位码个数
只保留有任一数据的组合,前端按 no 索引。
"""
import sqlite3, csv, json, os, re
from collections import defaultdict
SRC = r"D:/择校"
con = sqlite3.connect(os.path.join(SRC, "数据库/zexiao_2027.db"))
cur = con.cursor()
idx = list(csv.DictReader(open(os.path.join(SRC, "docs/院校风景图_全量/院校风景图总索引.csv"), encoding="utf-8-sig")))
no_of_code = {r["院校代码"]: int(r["序号"]) for r in idx}
name_of_code = {r["院校代码"]: r["学校"] for r in idx}
# fact_global.school 存的是采集当年的校名,2027 目录已按更名后新名列;括号还有全半角两套。
# 归一只用于匹配,不改展示名;不能删括号,否则矿大徐州/北京会被并成同一所。
ALIAS = {
"安徽科技学院": "安徽科技工程大学",
"榆林学院": "榆林大学",
"湖南理工学院": "湖南理工大学",
"湖州师范学院": "湖州师范大学",
}
def norm(n):
n = (n or "").strip()
return ALIAS.get(n, n).replace("(", "(").replace(")", ")")
def num(v):
m = re.search(r"\d+(?:\.\d+)?", str(v))
return float(m.group()) if m else None
# 专业名(取该 4 位码下出现最多的 zymc)
mname = defaultdict(lambda: defaultdict(int))
for mc4, zymc, cnt in cur.execute(
"SELECT substr(zydm,1,4), zymc, COUNT(*) FROM chsi_2027_dir GROUP BY 1,2"):
if zymc:
mname[mc4][zymc] += cnt
# 2026 复试线:线不是可加量,大类码上挂的是各院系线而非方向行汇总,
# 因此同校同 4 位码下所有行一起取区间,不做"有细行就丢大类行"的取舍。
raw = defaultdict(set)
for sch, mc, val in cur.execute(
"SELECT school, major_code, value FROM fact_global WHERE year=2026 AND field='total'"):
n = num(val)
if n is not None and 100 < n < 500 and mc and len(mc) >= 4:
raw[(norm(sch), str(mc)[:4])].add((str(mc), int(n)))
lines = {k: [v for _, v in rows] for k, rows in raw.items()}
# 2027 拟招:先按 (dwdm, yxsmc, zydm) 取 MAX,再按 4 位码求和
per = defaultdict(dict)
for dwdm, yxsmc, zydm, enroll in cur.execute(
"SELECT dwdm, yxsmc, zydm, enroll_num FROM chsi_2027_dir"):
try:
v = int(enroll or 0)
except Exception:
continue
k = (dwdm, yxsmc or "", zydm)
if v > per[dwdm].get(k, 0):
per[dwdm][k] = v
plans = defaultdict(int)
for dwdm, d in per.items():
for (_, _, zydm), v in d.items():
plans[(dwdm, zydm[:4])] += v
# 方向数
dirs = defaultdict(set)
for dwdm, zydm in cur.execute("SELECT DISTINCT dwdm, substr(zydm,1,6) FROM chsi_2027_dir"):
dirs[(dwdm, zydm[:4])].add(zydm)
codes = sorted({c for (_, c) in list(lines) + list(plans)})
majors = []
for c in codes:
nm = max(mname[c].items(), key=lambda kv: kv[1])[0] if mname[c] else ""
L, P, D = {}, {}, {}
for dwdm in name_of_code:
no = no_of_code[dwdm]
sch = name_of_code[dwdm]
v = lines.get((norm(sch), c))
if v:
L[str(no)] = str(min(v)) if len(set(v)) == 1 else "%d–%d" % (min(v), max(v))
p = plans.get((dwdm, c))
if p:
P[str(no)] = p
d = dirs.get((dwdm, c))
if d:
D[str(no)] = len(d)
if L or P:
majors.append({"code": c, "name": nm, "line": L, "plan": P, "ndir": D})
txt = json.dumps(majors, ensure_ascii=False, separators=(",", ":"))
dst = os.path.join(SRC, "docs/择校UI/专业数据.js")
open(dst, "w", encoding="utf-8").write("window.MAJORS=" + txt + ";")
print("专业码", len(majors), "体积", len(txt) // 1024, "KB")
top = sorted(majors, key=lambda m: -len(m["line"]))[:8]
print("覆盖最广:", [(m["code"], m["name"], len(m["line"])) for m in top])
x = next(m for m in majors if m["code"] == "0856")
print("0856 材料与化工 有线校数", len(x["line"]), "| 华东理工(176)", x["line"].get("176"), "拟招", x["plan"].get("176"))
@@ -0,0 +1,68 @@
# -*- coding: utf-8 -*-
"""导出「初试总成绩」分段分布,按 4 位专业码拆文件,供详情页画分布条。
数据源 fact_score_dist(year=2026, subject='初试总成绩'),seg 形如「317分-326分:」,
num 是该段人数。按学校名匹配回我们的校号(院校风景图总索引.csv 的序号)。
输出:docs/择校UI/分数分布/<4位码>.js,内容 window.SD_0856={"校号":[[下限,上限,人数],...]}
"""
import csv, json, os, re, sqlite3, sys
from collections import defaultdict
sys.stdout.reconfigure(encoding="utf-8", errors="replace")
BASE = "D:/择校"
OUT = os.path.join(BASE, "docs/择校UI/分数分布")
IDX = os.path.join(BASE, "docs/院校风景图_全量/院校风景图总索引.csv")
ALIAS = {"安徽科技学院": "安徽科技工程大学", "榆林学院": "榆林大学",
"湖南理工学院": "湖南理工大学", "湖州师范学院": "湖州师范大学",
# 平台把矿大徐州写作「中国矿业大学(徐州)」,我们按校区分列时用的是不带括号的
"中国矿业大学(徐州)": "中国矿业大学"}
def norm(n):
n = (n or "").strip().replace("(", "(").replace(")", ")").replace(" ", "")
return ALIAS.get(n, n)
rows = list(csv.DictReader(open(IDX, encoding="utf-8-sig")))
no_of = {norm(r["学校"]): int(r["序号"]) for r in rows}
c = sqlite3.connect("file:" + os.path.join(BASE, "数据库/zexiao_2027.db") + "?mode=ro", uri=True)
# 只留四类:专业课二因校而异、名称不统一,参考价值低且会让体积翻倍
SUBJ = {"初试总成绩": "总分", "政治": "政治", "英语": "英语", "专业课一/数学/396": "业务课一"}
q = """select d.sch_name, m.b_code, f.subject, f.seg, f.num from fact_score_dist f
join ggyx_dim_major m on f.major_id = m.major_id
join ggyx_dim_school d on f.school_id = d.school_id
where f.year = 2026 and f.is_quan = 1 and f.subject in (%s)""" % ",".join("?" * len(SUBJ))
by_major = defaultdict(lambda: defaultdict(lambda: defaultdict(dict)))
unmatched = set()
for sch, code, subj, seg, num in c.execute(q, list(SUBJ)):
no = no_of.get(norm(sch))
if no is None:
unmatched.add(sch)
continue
ds = [int(x) for x in re.findall(r"\d+", seg or "")]
if len(ds) < 2 or not num:
continue
by_major[code[:4]][no][SUBJ[subj]][(ds[0], ds[1])] = int(num)
os.makedirs(OUT, exist_ok=True)
# 专业码集合会变,先清空再写,避免旧文件残留让包体积虚高
for f in os.listdir(OUT):
if f.endswith(".js"):
os.remove(os.path.join(OUT, f))
for code, per in by_major.items():
payload = {str(no): {s: [[lo, hi, n] for (lo, hi), n in sorted(segs.items(), reverse=True)]
for s, segs in subs.items()}
for no, subs in per.items()}
with open(os.path.join(OUT, code + ".js"), "w", encoding="utf-8") as f:
f.write("window.SD_%s=%s;" % (code, json.dumps(payload, ensure_ascii=False, separators=(",", ":"))))
tot = sum(len(v) for v in by_major.values())
print("写出专业码", len(by_major), "个,覆盖校·专业对", tot,
",未匹配校名", len(unmatched), sorted(unmatched)[:5])
big = sorted(((k, len(v)) for k, v in by_major.items()), key=lambda x: -x[1])[:5]
print("覆盖最多的专业码", big)
print("体积 KB", sum(os.path.getsize(os.path.join(OUT, f)) for f in os.listdir(OUT)) // 1024)
@@ -0,0 +1,296 @@
# -*- coding: utf-8 -*-
"""导出 UI 用的院校数据(含 2025 对比值)。
口径要点:
1. 0856 的专业学位类别码 085600 与方向码 085601/085602… 并存,同时求和会重复计数。
规则:某校若存在方向码行,只取方向码行;否则取 085600。
2. 同一 (major_code, college, value) 原表有重复行,先去重再聚合。
3. 学费必须限定 0856 口径,取不到留空,不用全校均值。
4. first_vol_admitted 是「一志愿录取人数」,不是报考人数。
5. 2025 值仅用于涨跌对比,标注年份,不与 2026 混算。
"""
import sqlite3, csv, json, os, re
from collections import defaultdict
SRC = r"D:/择校"
con = sqlite3.connect(os.path.join(SRC, "数据库/zexiao_2027.db"))
cur = con.cursor()
idx = list(csv.DictReader(open(os.path.join(SRC, "docs/院校风景图_全量/院校风景图总索引.csv"), encoding="utf-8-sig")))
def num(v):
m = re.search(r"\d+(?:\.\d+)?", str(v))
return float(m.group()) if m else None
# 各表的校名列写法不一:fact_global 存采集当年旧名,2027 目录用更名后的新名,括号还有全半角两套。
# 归一只用于匹配,不改展示名,也不删括号(矿大徐州/北京、石油华东/北京必须保持可区分)。
ALIAS = {
"安徽科技学院": "安徽科技工程大学",
"榆林学院": "榆林大学",
"湖南理工学院": "湖南理工大学",
"湖州师范学院": "湖州师范大学",
}
def norm(n):
n = (n or "").strip()
return ALIAS.get(n, n).replace("(", "(").replace(")", ")")
dim = {norm(r[0]): (r[1], r[2], r[3] or "") for r in
cur.execute("SELECT sch_name, province, city, label_text FROM ggyx_dim_school")}
FIELDS = ("total", "enroll_num", "admitted", "first_vol_admitted",
"enroll_min_score", "enroll_avg_score", "tuition_per_year")
YEARS = (2025, 2026)
# rows[(year, school, field)] = set((major_code, college, value))
rows = defaultdict(set)
sql = ("SELECT year, school, field, major_code, college, value FROM fact_global "
"WHERE year IN (2025,2026) AND major_code LIKE '0856%' AND field IN (" + ",".join("?" * len(FIELDS)) + ")")
for year, sch, field, mc, col, val in cur.execute(sql, FIELDS):
n = num(val)
if n is None:
continue
# total 混进过 0 这样的异常值,会把区间下限与涨跌一起带偏
if field == "total" and not 100 < n < 500:
continue
key = "CODE:" + sch if re.fullmatch(r"\d{5}", str(sch)) else sch
rows[(year, key, field)].add((mc, col or "", n))
code2name = {r["院校代码"]: r["学校"] for r in idx}
code2name_r = code2name
merged = defaultdict(set)
for (year, key, field), vals in rows.items():
if key.startswith("CODE:"):
nm = code2name.get(key[5:])
if nm:
merged[(year, norm(nm), field)] |= vals
continue
merged[(year, norm(key), field)] |= vals
def host_of(u):
# 只标域名,不给可点链接:来源多是百度图片搜索结果页与搜狐文章页,
# 点进去既核验不了什么,也让一个择校工具显得像抓来的页面
u = (u or "").strip()
if not u.startswith("http"):
return ""
try:
from urllib.parse import urlparse
h = urlparse(u).netloc
except ValueError:
return ""
return h[4:] if h.startswith("www.") else h
# 这四所的省份与城市在平台校库里是空的:中国矿业大学徐州与北京因校名带括号匹配不上,
# 后两所源侧就没填。地理位置可确证,直接补,否则按地区筛选会漏掉矿大这类热门校。
GEO_FIX = {"中国矿业大学": ("徐州", "江苏省"),
"中国矿业大学(北京)": ("北京", "北京市"),
"中国航空工业规划设计研究院": ("北京", "北京市"),
"中共山东省委党校": ("济南", "山东省")}
def org_kind(n):
"""非高校类招生单位的机构类型。平台给研究所、党校也打「双非」,
但它们根本不在 985/211/双一流的分类体系里,层次一栏照抄会误导。"""
if "大学" in n or "学院" in n:
return ""
if "党校" in n or "行政学院" in n or "社会主义学院" in n:
return "党校"
if re.search(r"部队|军事|军医|武警", n):
return "军队"
return "科研院所"
def layer(year, sch, field):
vals = merged.get((year, norm(sch), field), set())
if not vals:
return []
# total 不做"大类行 vs 方向行"取舍:085600 这类码上挂的是各院系的线,
# 不是方向行的汇总,排除它会让清华 0856 直接没线、也让专项线消失。
# 只有可加量(人数类)才需要防止大类行与方向行重复累加。
if field == "total":
return [v[2] for v in vals]
dirs = {v for v in vals if v[0] != "085600"}
return [v[2] for v in (dirs if dirs else vals)]
ORDER = {"A+": 1, "A": 2, "A-": 3, "B+": 4, "B": 5, "B-": 6, "C+": 7, "C": 8, "C-": 9}
xk = {}
# 逐校在「名称含材料」的领域里取最好一档,仅用于诊断打印;交付层用 xk805
for sch, name, lvl in cur.execute("SELECT school_name, major_name, level FROM ggyx_dim_xkpg WHERE major_name LIKE '%材料%'"):
k = norm(sch)
if lvl and lvl in ORDER and (k not in xk or ORDER[lvl] < ORDER[xk[k]]):
xk[k] = lvl
# 「材料学科评估」必须只认 0805 一级学科。专硕领域里 085603 那种合并名
# ("冶金工程/材料与化工-化工安全/…")含「材料」二字,会把冶金 A+ 算到材料头上
# ——北京科技大学 0805 是 A,却因 085603 显示成 A+。
xk805 = {}
for sch, lvl in cur.execute("SELECT school_name, level FROM ggyx_dim_xkpg WHERE major_code = '0805'"):
if lvl and lvl in ORDER:
xk805[norm(sch)] = lvl
# 全专业口径:每校一张 {4 位专业码: 最好档},界面按当前专业直接查。
# 同一码下可能有多个已评领域(如 085404 与 0854 大类),取最好一档。
xk_by_school = {}
for sch, code, lvl in cur.execute("SELECT school_name, major_code, level FROM ggyx_dim_xkpg"):
if not code or lvl not in ORDER:
continue
d = xk_by_school.setdefault(norm(sch), {})
k4 = code[:4]
if k4 not in d or ORDER[lvl] < ORDER[d[k4]]:
d[k4] = lvl
def line_of(year, sch):
L = sorted(set(layer(year, sch, "total")))
if not L:
return ""
return str(int(L[0])) if len(L) == 1 else "%d–%d" % (L[0], L[-1])
def hi_of(year, sch):
"""涨跌一律按区间上限(普通计划线)算。下限常是专项计划线,
按下限算会有七成学校与上限结论不同、甚至反向(上海理工 0856 下限 -55、上限 +5)。"""
M = layer(year, sch, "total")
return int(max(M)) if M else None
dir_line = {} # (校名, 方向码, 院系) -> [分]
dir_line_mc = {} # (校名, 方向码) -> [分] 回退用
for sch, mc, col, val in cur.execute(
"SELECT DISTINCT school, major_code, college, value FROM fact_global "
"WHERE year=2026 AND field='total' AND major_code LIKE '0856%'"):
n = num(val)
if n is None:
continue
dir_line.setdefault((norm(sch), mc, (col or "").strip()), []).append(int(n))
dir_line_mc.setdefault((norm(sch), mc), []).append(int(n))
dir_line25 = {}
for sch, mc, val in cur.execute(
"SELECT DISTINCT school, major_code, value FROM fact_global "
"WHERE year=2025 AND field='total' AND major_code LIKE '0856%'"):
n = num(val)
if n is None:
continue
dir_line25.setdefault(norm(sch), {}).setdefault(mc, []).append(int(n))
# ---- 官方 2027 招生目录:0856 方向明细、统考科目、学费学制 ----
import json as _j
dirs = defaultdict(list)
plan_official = {}
for dwdm, yxsmc, zydm, zymc, yjfxmc, enroll, fee_, dur, subj in cur.execute(
"SELECT dwdm, yxsmc, zydm, zymc, yjfxmc, enroll_num, tuition_fee, duration_years, exam_subjects "
"FROM chsi_2027_dir WHERE zydm LIKE '0856%' ORDER BY dwdm, yxsmc, zydm"):
try:
subs = [x.get("name", "") for x in _j.loads(subj or "[]")]
except Exception:
subs = []
dirs[dwdm].append({
"dept": yxsmc or "", "code": zydm, "major": zymc or "",
"dir": yjfxmc or "", "fee": fee_ or "", "years": dur or "",
"subs": [re.sub(r"(.*?)", "", s).replace("思想政治理论", "政治") for s in subs if s],
})
# chsi 用院校代码,fact_global 用校名,这里用 dwdm 反查校名并按 norm 对齐
nm = norm(code2name_r.get(dwdm) or "")
got = dir_line.get((nm, zydm, (yxsmc or "").strip())) or dir_line_mc.get((nm, zydm))
got25 = (dir_line25.get(nm) or {}).get(zydm)
if got:
dirs[dwdm][-1]["line"] = str(min(got)) if len(set(got)) == 1 else "%d–%d" % (min(got), max(got))
dirs[dwdm][-1]["lmatch"] = "dept" if dir_line.get((nm, zydm, (yxsmc or "").strip())) else "code"
if got25:
dirs[dwdm][-1]["line25"] = str(min(got25))
try:
plan_official.setdefault(dwdm, {})[(yxsmc, zydm)] = max(plan_official.get(dwdm, {}).get((yxsmc, zydm), 0), int(enroll or 0))
except Exception:
pass
plan_sum = {k: sum(v.values()) for k, v in plan_official.items()}
# 方向码级复试线(fact_global 2026),用于「方向横向对比」
# 调剂公告里的 0856:按年去重,方向码单独记
adj_years = defaultdict(set)
adj_dirs = defaultdict(set)
for sch, yr, mc in cur.execute(
"SELECT DISTINCT school, year, code FROM adjust_notice_majors WHERE code LIKE '0856%'"):
try:
adj_years[norm(sch)].add(int(yr))
except Exception:
pass
if str(yr) == "2026":
adj_dirs[norm(sch)].add(mc)
out = []
for r in idx:
sch = r["学校"]
prov, city, lab = dim.get(norm(sch), ("", "", ""))
if not prov and not city and sch in GEO_FIX:
city, prov = GEO_FIX[sch]
P26 = layer(2026, sch, "enroll_num")
AD = layer(2026, sch, "admitted")
FV = layer(2026, sch, "first_vol_admitted")
MS = layer(2026, sch, "enroll_min_score")
AS = layer(2026, sch, "enroll_avg_score")
TU = layer(2026, sch, "tuition_per_year")
# 城市的「市」后缀有的带有的不带(139 所「北京市」对 21 所「武汉」),统一去掉更省横向空间;
# prov 保留原样,筛选仍按「北京市」比
_c = (city or prov or "").strip()
if _c.endswith("市") and len(_c) > 2:
_c = _c[:-1]
k = org_kind(sch)
tg = [t for t in re.split(r"[,,]", lab) if t]
if k:
tg = [t for t in tg if t not in ("双非", "双一流", "985", "211")] + [k]
rec = {
"no": int(r["序号"]), "code": r["院校代码"], "name": sch,
"city": _c, "prov": prov,
"tags": tg[:3],
"kind": k,
"photo": r["文件名"] or "",
# 照片是逐张人工核对过归属的,把证据档与依据文字带进交付层,界面才能当场回溯"凭什么说是这所学校"
"shotEv": (r.get("证据档") or "").strip(),
"shotWhy": (r.get("确认依据") or "").strip(),
"shotRev": (r.get("肉眼复核") or "").strip(),
"shotFlaw": (r.get("瑕疵") or "").strip(),
"shotHost": host_of(r.get("来源页")),
"line": line_of(2026, sch),
"plan": (str(plan_sum[r["院校代码"]]) if plan_sum.get(r["院校代码"]) else (str(int(sum(P26))) if P26 else "")),
"admitted": str(int(sum(AD))) if AD else "",
"firstVol": str(int(sum(FV))) if FV else "",
"minScore": str(int(min(MS))) if MS else "",
"avgScore": ("%.0f" % (sum(AS) / len(AS))) if AS else "",
"xkpg": xk805.get(norm(sch), ""),
"xk": xk_by_school.get(norm(sch), {}),
"fee": str(int(sum(TU) / len(TU))) if TU else "",
}
l25 = hi_of(2025, sch)
l26 = hi_of(2026, sch)
p25 = layer(2025, sch, "enroll_num")
rec["line25"] = line_of(2025, sch)
rec["dLine"] = (l26 - l25) if (l25 is not None and l26 is not None) else ""
rec["dPlan"] = (int(sum(P26)) - int(sum(p25))) if (p25 and P26) else ""
rec["adj"] = sorted(adj_years.get(norm(sch), []))
rec["adj26"] = sorted(adj_dirs.get(norm(sch), []))
out.append(rec)
dst = os.path.join(SRC, "docs/择校UI/院校数据.json")
txt = json.dumps(out, ensure_ascii=False)
json.dump(out, open(dst, "w", encoding="utf-8"), ensure_ascii=False)
# 拿到这个包的人要能自己判断数据是哪天、按哪一年的口径导的,而不是靠猜
build = __import__("datetime").datetime.now().strftime("%Y-%m-%d %H:%M")
caliber = "复试线与录取分取 2026 · 拟招与科目取 2027 官方目录 · 调剂记录 2023–2026 · 学科评估为最近一轮"
open(os.path.join(SRC, "docs/择校UI/院校数据.js"), "w", encoding="utf-8").write(
"window.BUILD=%s;window.CALIBER=%s;window.SCHOOLS=" % (json.dumps(build), json.dumps(caliber, ensure_ascii=False)) + txt + ";")
print("导出", len(out), "条", len(txt) // 1024, "KB", "生成于", build)
for k in ("photo", "line", "line25", "plan", "admitted", "minScore", "avgScore", "xkpg", "fee", "adj"):
print(" 有%-9s %d 校" % (k, sum(1 for x in out if x[k])))
print(" 有涨跌 dLine", sum(1 for x in out if x["dLine"] != ""), "| dPlan", sum(1 for x in out if x["dPlan"] != ""))
for t in ("华东理工大学", "清华大学", "北京化工大学"):
x = next(i for i in out if i["name"] == t)
print(t, "→", {k: x[k] for k in ("line", "line25", "dLine", "plan", "dPlan", "minScore", "xkpg")})
+66
View File
@@ -0,0 +1,66 @@
# -*- coding: utf-8 -*-
"""把 docs/择校UI 打成可直接拷去手机的 zip,两个版本:
择校UI_完整包.zip 含图/大图,详情页头图清晰(约 100MB)
择校UI_轻量包.zip 去掉图/大图,详情页自动退回卡片档(约 30MB)
包内顶层目录名固定为 择校UI/,解压即得。文件名不带日期,重建就覆盖;
数据新旧看界面「我的 → 覆盖情况 → 数据生成」,比文件名可靠。
打完会自检:必需文件在不在、轻量包是否真的没有大图、图片张数与索引是否一致。
用法:python -B pack_ui.py
"""
import csv, os, sys, zipfile
sys.stdout.reconfigure(encoding="utf-8", errors="replace")
BASE = "D:/择校"
SRC = os.path.join(BASE, "docs/择校UI")
IDX = os.path.join(BASE, "docs/院校风景图_全量/院校风景图总索引.csv")
OUT = os.path.join(BASE, "docs")
TOP = "择校UI"
REQUIRED = ["index.html", "院校数据.js", "专业数据.js"]
SKIP_LIGHT = os.path.join("图", "大图")
def photos():
return sum(1 for r in csv.DictReader(open(IDX, encoding="utf-8-sig")) if r["文件名"])
def walk(skip=None):
for root, dirs, files in os.walk(SRC):
rel = os.path.relpath(root, SRC)
if skip and (rel == skip or rel.startswith(skip + os.sep)):
dirs[:] = []
continue
for f in files:
p = os.path.join(root, f)
yield p, os.path.normpath(os.path.join(TOP, rel, f)).replace(os.sep, "/")
def build(name, skip=None):
dst = os.path.join(OUT, name)
n = 0
with zipfile.ZipFile(dst, "w", zipfile.ZIP_DEFLATED, compresslevel=6) as z:
for p, arc in walk(skip):
z.write(p, arc)
n += 1
return dst, n
need = photos()
for name, skip in (("择校UI_完整包.zip", None), ("择校UI_轻量包.zip", SKIP_LIGHT)):
dst, n = build(name, skip)
with zipfile.ZipFile(dst) as z:
names = z.namelist()
bad = [r for r in REQUIRED if TOP + "/" + r not in names]
cards = sum(1 for x in names if x.startswith(TOP + "/图/卡片/") and x.endswith(".jpg"))
big = sum(1 for x in names if x.startswith(TOP + "/图/大图/"))
dirs = sum(1 for x in names if x.startswith(TOP + "/方向/"))
mdet = sum(1 for x in names if x.startswith(TOP + "/专业明细/"))
sd = sum(1 for x in names if x.startswith(TOP + "/分数分布/"))
print("%-22s %6.1f MB %5d 个文件 卡片 %d/%d 大图 %d 方向 %d 专业明细 %d 分数分布 %d %s" % (
name, os.path.getsize(dst) / 1048576, n, cards, need, big, dirs, mdet, sd,
"缺 " + ",".join(bad) if bad else "自检通过"))
if cards != need:
sys.exit("图片张数对不上:包内 %d,索引 %d" % (cards, need))
if skip and big:
sys.exit("轻量包里仍有大图 %d 个" % big)