本网站作品采用CC BY-SA 4.0许可。
fix(render): pydoc 的 L2 启发式只在 pydoc 模式生效（#281）
`detectL2IndentedPatterns()` 的两条 pydoc 规则（` class Name(` 与
` name(`）没有模式门，于是 perldoc/man 正文里恰好 4 空格缩进、以
`name(` 开头的行会被提升为 L2 小节：
chomp( LIST ) → ### chomp
nasty_break() is ... → ### nasty_break
perldoc 三页语料共 58 行受影响：正文被当成标题，TOC 里冒出假条目。
给两条规则加上 `$mode === "pydoc"` 的门；man 页不受影响（see-also 是 7 空格）。
语料门先红后绿：perldoc-perlfunc/perlvar/DBI 的黄金在 8.3 上重新生成，
差异仅为这些行从 `### xxx` 变回正文，已逐行核对。
Co-Authored-By: Claude code 2.1.311 with deepseek-v4.1-flash-1017 <noreply@taotoken.net>
test(corpus): 黄金/文本完整性/结构/JSON 四条检查（#255） Co-Authored-By: Claude Code <noreply@anthropic.com>
test(corpus): 采集六页真实语料与黄金输出（#255） Task 8 收尾：在生产机（man 2.12.0 / groff 1.23.0 / perl 5.38.2）冻结 六页真实工具输出（man-ls、man-tar、man-ssh_config、perldoc-perlfunc、 perldoc-perlvar、perldoc-DBI，共 922KB），黄金由生产 /usr/local/php83 （PHP 8.3.36）对冻结 raw 重渲染生成——raw 字节是唯一事实源，黄金只是 它的确定性投影。 - test/corpus/raw/：六页冻结输出；test/corpus/golden/：6×.md + 6×.fingerprint；test/corpus/VERSIONS.md：工具版本 + 每页字节数/sha256。 - test/corpus/normalize.php（Ruling 22）：corpusNormalizeText() 把 邮箱改写为渲染器混淆后的 "user AT host" 形式，raw 与 HTML 两侧 token 才可比——内容保持归一化，不放松断言。 - test/unit/test_corpus_normalize.php：补 5 条邮箱归一化断言。 审阅：六页 .md 无 ESC/\x08/?(0lines)/空标题/超长行/控制字符； ad59aab、d2086fe 两轮修复后 markdown 无 _** 交错（man-tar 28 行、 man-ssh_config 4 行均呈 **_ 正确形式）。 门禁：本地 PHP 8.5 make test-corpus 六页 [OK] + [PASS] xhtml （6 页 dtd-valid）；生产 PHP 8.3.36 check 六页 [OK]，xhtml 因该机 无 xmllint 按设计 [SKIP]（DTD 校验由本地对同样字节完成）。token multiset 六页 missing=0。make test-unit 949 passed, 0 failed。 Co-Authored-By: Claude code 2.1.311 with glm-5.3-flash <noreply@taotoken.net>
test(corpus): 语料清单、归一化库与结构指纹（#255） - test/corpus/pages.txt：6 页语料清单（tab 分隔，# 注释，空 section） - test/corpus/normalize.php：corpusReadManifest / corpusStripFormatting / corpusNormalizeText / corpusTokens / corpusMissingTokens / corpusTextFromHtml - test/corpus/fingerprint.php：jsonStructureFingerprint 从 structure_regression.php 原样移出，供后续 corpus 工具复用 - test/unit/test_corpus_normalize.php：21 断言；run_all.php 登记后 853 passed, 0 failed Co-Authored-By: Claude code 2.1.311 with deepseek-flash <noreply@taotoken.net>
test(corpus): 有清单但 raw 为空时必须失败，不再静默 SKIP（#255） Co-Authored-By: Claude Code <noreply@anthropic.com>
test(corpus): xhtml 断言整体置于 xmllint 存在性守卫内（#255） 审查发现：干净语料子进程的 [PASS] xhtml 断言在无 xmllint 的机器上会 把套件打红（check.php 届时输出 [SKIP] xhtml），违反 Step 1 的跳过要求。 将三节 xhtml 测试统一收进 command -v xmllint 守卫：无 xmllint → 打印 [SKIP] xhtml、exit 0；清空 PATH 一节移入守卫后语义不变（有 xmllint 时 模拟缺失，真缺失时输出同样是 [SKIP]）。 已验证无 xmllint 场景：PATH 只留 php 重跑整个测试文件 → [SKIP] xhtml、 20 passed 0 failed、exit 0。 Co-Authored-By: Claude code 2.1.311 with glm-5.3-flash <noreply@taotoken.net>
test(corpus): XHTML 整页校验，DTD 随仓库离线解析（#255） - check.php 新增第五条检查 xhtml：整页（showHeader + formatManPerlDoc + showFooter）经 xmllint --noout --nonet --dtdvalid 校验，非 0 即 FAIL （stderr 前 5 行）；本机无 xmllint 记 [SKIP] xhtml 不 fail - W3C 四文件 byte-for-byte 收录 test/corpus/dtd/（下载于 2026-11-06）， 外加 phpman 自己的 override DTD：声明 script/@nonce（#273 CSP）与 script/@async（GA）——2002 年的 DTD 没有这两个属性，不加则每页必挂 - 校验中途 header() 的 E_WARNING 会混入捕获的页面字节（多页时第二页起 必现），组装期以 set_error_handler 吞掉并转发 STDERR，保证校验的就是 渲染器真正输出的字节 - 测试：干净语料 [PASS] xhtml；清空 PATH 模拟无 xmllint → [SKIP]； 进程内篡改渲染页（去掉 </body></html>）→ xmllint 拒绝 Co-Authored-By: Claude code 2.1.311 with glm-5.3-flash <noreply@taotoken.net>
fix(render): SGR 状态机替换交错正则 + 语料抽文行内标签不再变空格 语料门（#255）在真实 man 页上暴露两处缺陷： 1. src/format_html.php：两条非贪婪正则把 ESC[1m…ESC[22m / ESC[4m…ESC[24m 各自配对，遇到下划线与加粗在同一点交接的真实序列 （man-tar.txt：ESC[1m-f ESC[4mESC[22mARCHIVE ESC[24m）产出交错的 <b>-f <u></b>ARCHIVE</u>，xmllint 判 invalid。改为小状态机 sgrToHtmlTags()：识别 1/22/4/24/0，其余 ESC[...m 丢弃；固定 <b><u> 顺序开、逆序关；行尾补齐闭合；连续码合并为一次状态迁移 （不产生空 <u></u>）。主转换管线拆为两段 preg_replace，状态机 在其间运行（转义之后、链接化之前），pass-1 条目不再重复执行。 2. test/corpus/normalize.php：corpusTextFromHtml() 原先把所有标签 替换为空格，[<u>OPTIONS</u>] 抽成 [ OPTIONS ]，与 raw 的 [OPTIONS] 词元对不上。改为块级标签（p/div/br/li/ul/ol/pre/ blockquote/h1-h6/tr/td/th/table/hr/section/article）→ 空格， 行内及其余标签 → 空串；实体解码、空白折叠、trim 不变。 测试：test_overstrike.php 新增 T9–T15（真实 tar 片段断言精确输出 且无 <u></b> 交错、状态机五类输入、行尾补齐、颜色码丢弃）；test_ corpus_normalize.php 新增行内/块级断言。全量 php test/run_all.php 940 passed, 0 failed（原基线 925）。全部 6 个 raw 语料渲染结果 xmllint well-formed。 Co-Authored-By: Claude code 2.1.311 with glm-5.3-flash <noreply@taotoken.net>
fix(markdown): cleanTerminalOutput 换用共享 SGR 状态机，消除交错标记 ruling 23：markdown 路径的 cleanTerminalOutput() 仍留着 Task 8a 已从 format_html.php 移除的两条非贪婪 SGR 配对正则，语料门在 man-tar 第 11 行 （ESC[1m-f ESC[4mESC[22mARCHIVE ESC[24m）再次暴露同类损坏： "**-f _**ARCHIVE_"（32 行 golden 受影响，线上 /markdown 同样）。 - 把 Task 8a 的状态机从 format_html.php 上移到 format_common.php，改名 sgrToTags() 并把发射器参数化：默认 HTML <b>/<u>，markdown 传入 \x01/\x02 与 \x03/\x04 标记对——两个渲染路径共享同一份逻辑，不复制。 - cleanTerminalOutput() 同样拆两段 preg_replace：pass1（overstrike→标记） → 状态机 → pass2（颜色兜底剥离、OSC-8、残余 OSC），pass1 条目不重复 执行；标记→**/_ 转换与 \x02\x01、\x04\x03 相邻清理保留不变。 - 真实交接片段（连续码合并为一次迁移）现输出 "**-f **_ARCHIVE_"： "**" 先闭合、"_" 后打开，嵌套合法。 测试：test_overstrike.php 新增 T16–T18（真实片段与 man-tar 第 11 行全文 精确断言、io-cancel 钉住旧实现输出 **io___cancel**、行尾未闭合补齐）； T10–T15 随函数改名指向 sgrToTags。全量 php test/run_all.php 949 passed, 0 failed。本地复渲染 6 页 golden（未提交，Task 8 重跑）：man-tar 第 11 行 "**tar -A **[_OPTIONS_] **-f **_ARCHIVE_ _ARCHIVE_..."，全部页面零 "_**" 交错相邻。 Co-Authored-By: Claude code 2.1.311 with glm-5.3-flash <noreply@taotoken.net>
feat(tldr): 增加 PHPMAN_TLDR_DISABLE，供语料渲染离线运行（#255） Co-Authored-By: Claude code 2.1.311 with glm-5.3-flash <noreply@taotoken.net>
本网站作品采用CC BY-SA 4.0许可。