Add watermark normalization to fetch-lyrics

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>
2026-08-17 22:38:26 +08:00
parent d46c50a2db
commit 05ba3942a2
3 changed files with 134 additions and 1 deletions
@@ -374,3 +374,17 @@
  層；(3) 複雜仲裁機械無以自證其益（見前條）。驗證改為
  確定性格式檢查（完整分割、組名唯一、cap ≤ 50），違規
  依協定修訂定義檔重跑。
+
+## 2026-08-05
+
+- **歌詞捕捉加浮水印／誤碼正規化**：全語料普查（程式窮舉
+  非 ASCII）發現歌詞站浮水印與 cp1252 誤碼——同形字（西里爾
+  е 160 處／78 檔、希臘 ό 6 處）、異體空格（U+2005 211 處、
+  U+205F 80 處、U+200A 6 處）、零寬字元（U+200B 3 處）、C1
+  誤碼（U+0091/92/93/94/97 共 58 處；先前手修之 U+0085 同
+  類）；受影響 81/883 檔全部來自 pilot 匯入，新抓取檔乾淨。
+  正規化規則四條（C1 依 cp1252 本義還原、同形字還原、異體
+  空格→ASCII 空格、零寬刪除）實作於 fetch-lyrics 的
+  normalize_lyrics()，寫入時套用；既有語料以同一函式一次性
+  套用。倒放行等歌曲本體內容不動——策展界線：清傳輸雜質，
+  不改內容。