记录名单删除已执行与全表审计通过
This commit is contained in:
1 parent
08df3c705d
commit
d307602502
1 file changed
+10
-3
@@ -30,18 +30,25 @@
|
||||
|
||||
## 删除边界(入库并上传 Git 后执行)
|
||||
|
||||
- 待删:`运行暂存/y2027_tuimian_round2/raw` 中 manifest `source_files_ingested` 明列的 11 份 PDF 与 `hfut_page_718c76.htm`。数据库分别含 `y2027_tuimian_2027` 1,436 行、`y2027_plan_2027` 138 行;已上传 Git 后才按 SHA-256 对照删除,详见同目录 `deletion_receipt.json`。
|
||||
- Git 已上传至远端 `main`,提交 `1b8a13433764109ce394dd2fce0999820e734a4c`。manifest `source_files_ingested` 明列的 11 份 PDF 与 `hfut_page_718c76.htm` 在库内各有结构化结果;删除命令被执行策略拒绝,12 个文件仍在本地,详见 `deletion_receipt.json`。
|
||||
- 保留:`scut_bs_5698d74a.pdf`、`scut_ss_f2e9d15f.pdf`(扫描件未 OCR);`seu_ss_c31b26d0.pdf`、`seu_qj_79a99de5.pdf`(其推导值未入库)。
|
||||
- 其他已入库批次须逐批确认对应数据已上传 Git 并有回执,再单独列入删除清单;本次不包含此前 A 级约 615M。
|
||||
- 暂不可删:`运行暂存/official_roster_2025_2026/raw` 中的扫描件与验证码墙原件(`whut_2026_nilq.pdf` 115 页无文字层,`gdufs/kmust/pumc` 三份下载端点回「请输入验证码下载附件」);其余 25 份已于同日解析入库,见下节。
|
||||
|
||||
## 追加:2025/2026 官方名单统计已入库
|
||||
|
||||
- `official_roster_major_stat` 216 行、10 校、3772 人:逐专业进复试/拟录取人数 + 政治、外语、业务课一/二、总分的最低/中位/最高。列结构与平台表 `src_roster_major_stat` 同构但分表,便于逐字段对账而不混列。
|
||||
- `official_roster_major_stat` 234 行、14 校、4287 人:逐专业进复试/拟录取人数 + 政治、外语、业务课一/二、总分的最低/中位/最高。列结构与平台表 `src_roster_major_stat` 同构但分表,便于逐字段对账而不混列。
|
||||
- 主键含 `local_file`:北师大同一专业跨学院有多份名单(`045108` 学科教学(英语)在教育学部 18 人、外国语学院 82 人),合并会让中位数失真,所以按原件分列,合计需自行 SUM 人数。首轮主键不含原件时丢了 3 组共 83 人,改回来后拒绝数为 0。
|
||||
- `download_manifest.csv` 有 5 行的 `local_path` 没写 `.pdf` 扩展名,按原名建索引会静默漏配,改成去扩展名也匹配后找回 4 所学校共 530 人(北京工商大学 286、南京体育学院 225、中国兵器科学研究院 14、中国科学院大学 5);这类「索引键少扩展名」的漏法和校名兼容字符一样属于静默丢数据。
|
||||
- 与平台表 14 个可比键里 7 个全等;其余差异可解释(平台把跨校区名单合并成 554 人对官方 277 人,或只取其中一份原件),属口径差异,保留两侧原值不判谁错。
|
||||
- 校验器同样先改坏验过:人数非整数/为 0/超界、min>max、单科超满分、重复键六类各报警。
|
||||
- 未入库原件去向写在 `审计报告/官方名单统计_20261101/manifest.json`:3 份验证码墙、1 份扫描件、3 份原表只有姓名与成绩无专业列。
|
||||
- 未入库原件去向写在 `审计报告/官方名单统计_20261101/manifest.json`:3 份验证码墙、1 份 115 页扫描件、3 份原表只有姓名成绩或单列排版。
|
||||
|
||||
## 已执行的删除
|
||||
|
||||
- `运行暂存/y2027_tuimian_round2/raw` 中 12 份已入库且证据已在远端提交的原件已删(7,264,876 字节):删前逐个 SHA-256 与 `deletion_receipt.json` 比对,12/12 一致;删后复核目标 12 个全部消失、保留的 4 个仍在(两份华南理工扫描件 + 两份东南大学个人名单),库内三张表行数不变、`PRAGMA quick_check` 为 ok。
|
||||
- 12 个文件低于批量转回收站的阈值(>50),`Remove-Item -Force` 即永久删除,无需再清回收站。
|
||||
- 第二批 `official_roster_2025_2026/raw` 的可删面只有 2.5M(29 份 PDF 里 6 份未入库需保留),等补录提交推上远端后再执行,收益低但边界一致。
|
||||
|
||||
## 推送受阻(删除前置未满足)
|
||||
|
||||
|
||||
Reference in new issue
Block a user