# 2026 年 1-15 志愿分数线导入经验说明

本文用于明年继续处理上海中考 `1-15志愿` 分数线时快速上手。

## 目标和表

- 数据库表：`kylx365_db.MPS_Score`
- 年份：`ScoreYear = 2026`
- 类型：`ScoreType = 1-15志愿`
- 关键字段：`DistrictID`、`SchoolTarget`、`SchoolFullName`、`SchoolTargetRemark`、`PlanNum`、`ScoreTotal`、`Score1`、`Score2`、`Score3`、`Score4`、`ScoreTotalDifferenceValue`
- 2026 最终库内总量：16 个区，961 行，重复 key 为 0

## 目录

源文件目录：

```text
/Volumes/程杰外接SD盘/上海中考招生计划/2026/分数线/1-15志愿
```

计划文件目录：

```text
/Volumes/程杰外接SD盘/上海中考招生计划/2026/计划/1-15志愿
```

工作目录：

```text
/Users/chengjie/Documents/git/miaoguo_system_server/秒过分数线数据导入
```

## 主要脚本

- `import_mps_score_1_15_batch_from_json_2026.js`
  - 通用 JSON 导入器，按学校名和备注匹配数据库计划行。
  - 适合文字层 PDF、HTML、MHTML、已人工/OCR 整理后的 JSON。
- `import_mps_score_1_15_xuhui_scores_2026.js`
  - 徐汇专用，因源 PDF 是扫描图，最终按 3 页 PDF 手工核准。
- `import_mps_score_1_15_baoshan_scores_2026.js`
  - 宝山专用，处理大量总分-only 行。
- `import_mps_score_1_15_pudong_scores_2026.js`
  - 浦东专用，处理多页大表和 1 条库有源无计划行。
- `audit_mps_score_1_15_2026_final.js`
  - 最终抽样审计脚本：比对源报告和数据库、查重复 key、生成高风险抽样清单。
- `generate_mps_score_1_15_2026_full_review_report.js`
  - 汇总数据库、最新干跑报告、计划交叉核查报告，重写全量复查报告。
- `fix_mps_score_1_15_2026_missing_plan_rows.js`
  - 专门处理“分数线有、计划图也有、数据库缺计划行”的补库脚本；2026 已补松江区上海创艺高级中学 1 行。
- `ocr_image_text.swift`
  - macOS Vision OCR 辅助脚本，用于截图/JPEG/扫描 PDF 的文字识别。

## 2026 源文件处理方式

|区|最终依据|说明|
|---|---|---|
|黄浦|`黄浦区.pdf`|文字层 PDF，67 行；PDF 无综合测试列，`Score4` 保持空。|
|徐汇|`徐汇区.pdf`|扫描 PDF，3 页；曾漏第 3 页，已补齐 68 行。|
|长宁|`长宁区.pdf`|文字层 PDF，57 行；库内另有新纪元计划行，源 PDF 未列，保留 0 分。|
|静安|`静安区-本区.pdf` + `静安区-外区.pdf`|源有宋庆龄、博华、新纪元 3 行库无；已查计划图 `静安区2.png` 未见，不补库，列入源/计划不一致复查。库有新和停招，按停招保留。|
|普陀|`普陀区.pdf`|文字层 PDF，68 行。|
|虹口|`虹口区.mhtml`|MHTML 表格，使用简称映射到数据库全称，50 行。|
|杨浦|`杨浦区.html`|源有 `复旦大学第二附属中学`，已查 `杨浦区1.png` + `杨浦区2.png` 未见计划，不补库，列入源/计划不一致复查。|
|闵行|`闵行区.pdf`|文字层 PDF，80 行；5 行只公布总分。|
|宝山|`宝山区.pdf`|PDF 2 页，59 行；17 行只公布总分。|
|嘉定|`嘉定区.pdf`|文字层 PDF，54 行；33 行只公布总分。|
|浦东|`浦东新区.pdf`|PDF 3 页，106 源行；库内另有川沙中学北校，源未列，保留 0 分。|
|金山|`金山区.pdf`|源 40 行，库 42 行；2 条库有源无，列入复查。|
|松江|`松江区.mhtml`|源 58 行，匹配 56；计划图确认上海创艺高级中学有 2 个计划，已补入数据库 ID 40207。宝山世外、远东在计划图未见，不补库；5 条库有源无按未投档保留。|
|青浦|`青浦区.html`|HTML 54 行；当前 HTML 已复核，changed_rows=0。|
|奉贤|`奉贤区.html`|HTML 46 行。|
|崇明|`崇明区1.jpeg`|JPEG 单图，29 行；低分段已人工视觉确认。|

## 数据约定

- `ScoreTotal` 为录取最低分。
- `Score1` 为语数外总分。
- `Score2` 为数学。
- `Score3` 为语文。
- `Score4` 为综合测试。
- 源文件只有总分、没有末位考生分项时：录入 `ScoreTotal`，`Score1` 到 `Score4` 留空。
- 源文件为 `/`、无考生达线、线上无人投档、控分线上无考生录取时：录入 `ScoreTotal = 0`，分项通常为 0。
- PDF 没有综合测试列时不要补猜，例如黄浦区 `Score4` 留空。
- `ScoreTotalDifferenceValue` 用当前总分减上一年同 key 总分；无考生/0 分行建议保持空，避免出现误导性的负差。
- 有计划但分数线源未列，是正常未投档/无学生报入，库内计划行保留 0 分，不算错误。
- 分数线源有但数据库没有计划行时，必须查计划图：计划图有才补库，计划图未见则列为源文件/计划文件不一致复查，不要强行补到数据库。

## 推荐流程

1. 先确认当前库里 2026 年计划行是否已建好：

```sql
SELECT DistrictID, COUNT(*), SUM(PlanNum)
FROM MPS_Score
WHERE ScoreYear = 2026 AND ScoreType = '1-15志愿'
GROUP BY DistrictID
ORDER BY DistrictID;
```

2. 对源文件分类：
   - 文字层 PDF：优先用 `pdfplumber.extract_tables()`。
   - HTML/MHTML：用 HTML parser 抽 `<table>`。
   - 扫描 PDF/JPEG/PNG：先 `pdftoppm` 渲染，再用 Vision OCR 和人工视觉核对。
3. 抽成统一 JSON，字段用 `schoolName`、`scoreTotal`、`score1`、`score2`、`score3`、`score4`、`officialRemark`。
4. 先干跑：

```bash
node import_mps_score_1_15_batch_from_json_2026.js --input=输入.json --dry-run
```

5. 确认 `problem_rows` 和 `not_in_source_rows`：
   - `not_in_source_rows`：库有计划、分数线源未列，通常是未投档，保留。
   - `problem_rows` / `missing_current_row`：先查计划目录。计划图有则补库，计划图未见则记报告。

6. 正式导入：

```bash
node import_mps_score_1_15_batch_from_json_2026.js --input=输入.json
```

7. 跑最终审计和全量报告：

```bash
node generate_mps_score_1_15_2026_full_review_report.js
node audit_mps_score_1_15_2026_final.js
node generate_mps_score_1_15_2026_full_review_report.js
```

## 常见坑

- 官方源可能后续更新格式，目录里后来的 PDF/HTML 要优先于早期截图。
- 学校名带括号时，数据库可能拆在 `SchoolTargetRemark`，例如艺术班、英语等。
- 虹口 MHTML 使用简称，要先映射到数据库全称。
- 静安、杨浦、松江等可能出现源文件有学校但计划库无对应行，不能强行写到别的学校；先用计划图核实。
- 低分段常被误判为 OCR 错误，必须看源图：2026 年宝山民一综合 `59`、崇明民一数学 `40` 都是真值。
- `/` 和 `未录满` 不总是等于 0；有些区会写总分 `501` 且无分项，这应作为总分-only，而不是 0。

## 2026 已知待复查清单

最终详细清单见：

- `mps_score_1_15_2026_full_review_report.json`
- `mps_score_1_15_2026_full_review_report.md`
- `mps_score_1_15_2026_sample_audit_report.json`
- `mps_score_1_15_2026_sample_audit_report.md`

重点仍是源文件和计划文件不一致。库有源无按未投档保留，不再作为错误：

- 静安：源有宋庆龄、博华、新纪元，计划图未见，库无。
- 杨浦：源有 `复旦大学第二附属中学`，计划图未见，库无。
- 松江：源有宝山世外、远东，计划图未见，库无。
- 松江：源有创艺且计划图有 2 个计划，已补入库，不再是问题。
- 长宁、浦东、金山、松江的库有源无行：有计划但分数线未列，按未投档保留 0 分。

## 清理原则

- 保留导入脚本、最终源 JSON、最终审计报告和本经验说明。
- 可删除 `*backup*.json`、`tmp/`、`tmp_*.png`、`tmp_*.json`、`__pycache__/`。
- 清理前先确认不再需要回滚数据库；备份文件只用于当次导入回滚。