初始归档：健康管理资料库（大医网/药膳/体质监测/中医理论等12个资料集，7712个文件）

辅行诀五脏用药法要-药性探真/05_脚本工具/11_retitle_src_ch2.py

@@ -0,0 +1,99 @@
+#!/usr/bin/env python3
+# -*- coding: utf-8 -*-
+"""
+辅行诀五脏用药法要-药性探真 资料库 ETL 第 11 步（2026-09-20）
+《药性探真》第 2 章 **原件标题层级就地优化**（对应第 1 章之 08_retitle_src_ch1.py）
+
+背景：
+  第 1 章原件曾按**用户 2026-09-17 明确指令**就地优化标题层级（只改井号、正文逐行校验未动）。
+  第 2 章原件标题 25 行原样为「##」（章／节／条目不分级）。README 归档原则为
+  「01_来源数据 不可修改」，故本次**默认不做改动**，只在本脚本中备好同办途径。
+用法：
+  python3 05_脚本工具/11_retitle_src_ch2.py            # 默认 dry-run：只打印将改动的行，不落盘
+  python3 05_脚本工具/11_retitle_src_ch2.py --apply    # 真正就地优化（先留快照）
+层级体例（同第 1 章）：章＝二级(##)／节＝三级(###)／条目＝四级(####)
+安全保障：
+  ① --apply 前先写逐字节快照 《…》第2章_层级优化前快照_YYYYMMDD.md（已存在则不覆盖）
+  ② 落盘前断言「去标题行后的正文逐行完全相同」（正文一字未动）
+  ③ 幂等：已优化后再跑，改动 0 行
+"""
+import os, re, sys, hashlib, datetime
+
+BASE = os.path.expanduser("~/Documents/ai_agent_scraper_study/data/辅行诀五脏用药法要-药性探真")
+SRC      = os.path.join(BASE, "01_来源数据/《辅行诀五脏用药法要 药性探真》第2章.md")
+SNAP_FMT = os.path.join(BASE, "01_来源数据/《辅行诀五脏用药法要 药性探真》第2章_层级优化前快照_%s.md")
+
+H_RULES = [
+    (re.compile(r"^第[一二三四五六七八九十]+章[　 ]"), 2, "章"),
+    (re.compile(r"^第[一二三四五六七八九十]+节[　 ]"), 3, "节"),
+    (re.compile(r"^[一二三四五六七八九十]+、"),        4, "条目"),
+]
+
+
+def strip_headings(t):
+    return [l for l in t.split("\n") if not l.startswith("#")]
+
+
+def plan(text):
+    """返回 (新文本, 改动清单)；未识别标题直接报错。"""
+    out, changes = [], []
+    for i, l in enumerate(text.split("\n"), 1):
+        if not l.startswith("#"):
+            out.append(l)
+            continue
+        bare = re.sub(r"^#+\s*", "", l)
+        lv = None
+        for pat, L, _K in H_RULES:
+            if pat.match(bare):
+                lv = L
+                break
+        if lv is None:
+            raise SystemExit(f"未识别的标题（行 {i}）：{l[:60]}")
+        newh = "#" * lv + " " + bare
+        if newh != l:
+            changes.append((i, l, newh))
+        out.append(newh)
+    return "\n".join(out), changes
+
+
+def main():
+    apply = "--apply" in sys.argv
+    raw = open(SRC, "rb").read()
+    text = raw.decode("utf-8")
+    md5_before = hashlib.md5(raw).hexdigest()
+    new, changes = plan(text)
+
+    assert strip_headings(text) == strip_headings(new), "正文行被改动，脚本中止"
+
+    print(f"对象：{SRC}")
+    print(f"md5（当前）：{md5_before}")
+    print(f"标题行合计：{sum(1 for l in text.split(chr(10)) if l.startswith('#'))} 行；需改动 {len(changes)} 行")
+    for i, a, b in changes:
+        print(f"  L{i}: {a}  ->  {b}")
+    if not changes:
+        print("✅ 无需改动（已是最优层级或已优化过）——幂等检查通过")
+        return
+
+    if not apply:
+        print("\n（dry-run：未落盘。如需就地优化，加 --apply）")
+        return
+
+    snap = SNAP_FMT % datetime.date.today().strftime("%Y%m%d")
+    if os.path.exists(snap):
+        print(f"快照已存在，不覆盖：{snap}")
+    else:
+        with open(snap, "wb") as f:
+            f.write(raw); f.flush(); os.fsync(f.fileno())
+        print(f"快照（改动前逐字节副本）：{snap}（md5 {md5_before}）")
+    with open(SRC, "wb") as f:
+        f.write(new.encode("utf-8")); f.flush(); os.fsync(f.fileno())
+    md5_after = hashlib.md5(open(SRC, "rb").read()).hexdigest()
+    print(f"已就地优化标题层级：{SRC}\n  md5 {md5_before} -> {md5_after}")
+    # 幂等复验
+    again, ch2 = plan(open(SRC, encoding="utf-8").read())
+    print(f"幂等复验：再跑需改动 {len(ch2)} 行（应为 0）")
+    assert not ch2
+
+
+if __name__ == "__main__":
+    main()