# 源码采集保真：小于号、HTML实体与去重

作者：种树的人

原文：https://zhongshuderen.pages.dev/library/formula-extraction-integrity/

材料时点：原库v0.2：2026-09-19；本轮回读：2026-10-05

研究状态：源码整理成果，效果验证仍待完成

原采集纠错显示网页可见不等于提取器保存完整，文本一致也不等于策略正确。

## 原库发现的具体损坏

原记录发现提取器吞掉小于号附近条件，类似CLOSE小于OPEN的表达式被连接成另一字符串。坏版本没有直接充作有效源码。

## 原修正与证明范围

原流程转向截取原始pre容器、保留实体并单次解码；170条规范化代码对照无差异。这个结果证明所比文本一致，不证明上游逻辑或通达信兼容正确。

## 完整性与效用分开

同正文不同出处保持依赖，一条注释结构异常源码隔离，源许可未知单列。离线库测试有保留的旧失败记录，39项通过不变成39条策略验证。

## 整理依据

- 通达信公式研究库v0.2｜README与审计回执

## 相关研究

- [通达信公式研究库：308条去重正文与审计索引](https://zhongshuderen.pages.dev/library/tdx-formula-library/)
- [公式时点审查：未来引用、回写与未完成K线](https://zhongshuderen.pages.dev/library/formula-asof-review/)