feat(cleanup): 历史数据整理器（§13.2，V13）—— 解压解析、体检报告、导入为正式任务

从「人长出来的」历史路径里解析姓名/证件号/材料/班级 → 与名册比对 → 按模板重打包 → 体检报告（autoHandled / needManual 由服务端算，前端只展示，不自己减）→ 幂等导入。 F-48 的教训：中文人名与业务短词无法用「包含」区分——噪声词只做精确匹配，候选名按「完整中文串 2~4 字 + 不含数字 + 不含班级词」判定。 F-49：参数校验必须排在幂等判断之前（否则不合法的请求会因「之前导过一次」变成成功）。验证：e2e-m7-cleanup 54/54（含「坏包要明确失败」与「无名单时串档恒为 0」）。
2026-09-30 09:02:54 +08:00
parent 7090ee7d65
commit 0d3aae75fa
10 changed files with 2879 additions and 0 deletions
@@ -0,0 +1,38 @@
+-- ============================================================================
+-- V13：历史整理任务补审计列
+--
+-- V1 建 `collect_cleanup_job` 时漏了 `update_time` / `deleted`，而实体要继承
+-- `BaseEntity`（那个基类带 @TableLogic 与自动填充）—— 少了这两列的表现是
+-- **运行时**才炸：查询补 `deleted = 0`、更新补 `update_time`，都会报 column does not exist。
+--
+-- 这是同一类错的第 N 次（见 F-24/F-35）。这次是 `scripts/check-entity-columns.py`
+-- 在写代码**之前**就报出来的 —— 那个脚本的价值第一次体现在"还没踩坑就先拦住"。
+--
+-- 另外补两列业务字段：
+--   · `roster_task_id` —— 契约 §13.2 的 `rosterTaskId`。**这本是关键参数**
+--     （有名单才能做证件号校验与串档检测），而 V1 的表里没有它，
+--     于是"整理结果关联到哪个名册"这件事无处可存。
+--   · `source_url` —— `sourceType=3`（云盘链接）时的来源地址。
+--     一期不做云盘（返回 40044），但列先留着：加列容易，事后补一次迁移要动生产库。
+-- ============================================================================
+
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS create_by BIGINT;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS create_time TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS update_by BIGINT;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS update_time TIMESTAMP;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS deleted SMALLINT NOT NULL DEFAULT 0;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS roster_task_id BIGINT;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS source_url VARCHAR(512);
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS processed_files INTEGER;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS parsed_students INTEGER;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS parsed_materials INTEGER;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS raw_size_bytes BIGINT;
+ALTER TABLE collect_cleanup_job ADD COLUMN IF NOT EXISTS final_size_bytes BIGINT;
+
+COMMENT ON COLUMN collect_cleanup_job.roster_task_id IS '关联的已有任务名册（契约 §13.2 的 rosterTaskId）：**有名单才能做证件号校验与串档检测**';
+COMMENT ON COLUMN collect_cleanup_job.source_url IS 'sourceType=3（云盘链接）的来源地址；一期不启用';
+COMMENT ON COLUMN collect_cleanup_job.update_time IS '审计列（V1 漏了）：实体继承 BaseEntity 就必须有它';
+COMMENT ON COLUMN collect_cleanup_job.deleted IS '审计列（V1 漏了）：@TableLogic 会让查询自动补 deleted = 0';
+
+-- 默认值兜底：老行（如果有）不会因为 NOT NULL 而报错
+UPDATE collect_cleanup_job SET update_time = create_time WHERE update_time IS NULL;