# 渲染机缺字体盲点 —— 对本项目既有证据的污染审计

任务：查清「渲染机缺字体 → 豆腐块」这个盲点，已经污染了多少既有证据。
定位：这是本项目自身可信度的审计，最高风险。
产物：本报告 + /tmp/vi-font/ + /tmp/vi-agents/fontcheck.sh
仓库只读，不改任何仓库文件。

---

## 0. 结论摘要（占位，正文完成后回填）
- A/B/C 三类份数：（待填）
- A/B 与既有 `父验` 样本交集：（待填）
- 必须降级的 `父验` 结论条数：（待填）
- 交付脚本：（待填）

## 1. 方法与解析器自检（占位）
- pdffonts 输出格式、emb 列解析规则、3 份已知件验证结果

## 2. ① 全库盘点：A/B/C 三类（占位）
- 分母、逐类份数、A/B 完整清单位置

## 3. ② 交叉：A/B 清单 ∩ 既有目视取证样本（占位）
- 逐份：做过哪些父验结论 / 重渲染复核 / 结论有效|需降级|作废

## 4. ③ 工具链：fontcheck.sh（占位）
- 判据、用法、退出码

## 5. ④ 证据等级配平审计（占位）
- 200dpi 排版元素 / 已知损坏件 / 已知缺字体件，三类各多少条

## 6. 遗留与限制（占位）

---

## 1. 方法与解析器自检（PITFALLS 78.3 要求：全量跑之前先在已知件上验证解析器）

### 1.1 解析列的坑，比上一轮更深一层

`pdffonts` 的表头是 `name type encoding emb sub uni object ID`，
但**数据行比表头多一列 `gen`**。实测原始行：

```
name                                 type              encoding         emb sub uni object ID
------------------------------------ ----------------- ---------------- --- --- --- ---------
TABBQG+SourceHanSansCN-Regular       CID TrueType      Identity-H       yes yes yes     38  0
UKTWBS+MicrosoftYaHei-GBpc-EUC-H     CID Type 0C       Identity-H       yes yes no    139  0
AAOXUL+SourceHanSansCN-Regular-Identity-H CID Type 0C       Identity-H       yes yes yes   6328  0
```

第二个坑更隐蔽：**字体名过长会溢出字段宽度，与 type 之间只隔 1 个空格**（第 3 行）。
所以任何"按 `  ` 两个空格切列"的写法都会在这行上解析错。

**本轮采用的解析法：从行尾锚定。**

```python
TAIL = re.compile(r'(?P<emb>yes|no)\s+(?P<sub>yes|no)\s+(?P<uni>yes|no)'
                  r'\s+(?P<obj>\d+)(?:\s+(?P<gen>\d+))?\s*$')
```

`emb/sub/uni` 是整行里**唯一**三连 `yes|no` 的位置，是比列宽可靠得多的锚点。

### 1.2 三份已知件上验证解析器（**全量跑之前**）

| 标签 | 文件 | MD5前12 | 字体行 | 解析失败行 | 期望 | 实测 |
|---|---|---|---:|---:|---|---|
| 坏件 | 【手册VI 266】易至汽车 | `0c3d5908280a` | 76 | 0 | A（YaHei emb=no） | **A** ✅ |
| 好件 | 【手册VI 792】易至汽车 | `6a111783def3` | 10 | 0 | C（全 emb=yes） | **C** ✅ |
| 对照 | 【必看152】星巴克 | `edd618d549e2` | 8 | 0 | C | **C** ✅ |

### 1.3 第二个独立校验：不用我自己的分类，反过来验证它复现了前序的数

| 口径 | 前序 REPORT-DAMAGE | 本轮 | 一致？ |
|---|---:|---:|---|
| MD5 去重内容件 | 1,271 | **1,271** | ✅ |
| `pdffonts` 返回 0 行的件 | **217** | **217** | ✅ |
| 任意外链件占全库 | 142 / 11.2% | 175/1,561 = **11.2%** | ✅ 比例一致 |

> 这三个数都是**独立产出**的，不是照抄前序。它们同时对上，说明本轮解析器没有重蹈 705 件/55.5% 的覆辙。

### 1.4 产出量台账

| 环节 | 跑了 | 实际产出 |
|---|---:|---|
| 全库 PDF 枚举 | 1,561 | 1,561 路径全部解析成功 |
| `pdffonts` | 1,561 | 工具异常 0；**0 字体行 269**（单列，未计入 A/B/C） |
| 字体行解析 | 63,119 行 | **解析失败 0 行** |
| 交集重渲染 | 42 | 出图 32；**零字节 0**；10 份无 CJK 文本层未渲染 |

**⚠️ 分母差异必须写明**：本机 `find` 数出 1,560，Python `os.walk` 数出 **1,561**。
以 Python 为准（1,561），但**这一个件的差异本轮未定位**，见 §6 遗留。


---

## 2. ① 全库盘点：A / B / C 三类

### 2.1 三个口径的分母

| 口径 | 件数 | pdffonts 0 行 | **有效分母** |
|---|---:|---:|---:|
| 物理文件 | 1,561 | 269 | **1,292** |
| MD5 去重内容件 | 1,271 | 217 | **1,054** |

**269 件 `pdffonts` 0 行既不能算安全也不能算损坏**——它可能是纯图像件，也可能是工具失效（PITFALLS 45）。本轮**不把它们计入任何一类**。

### 2.2 三类份数（按任务给定的判据）

**物理文件口径（分母 1,292 有字体信息的件）**

| 类 | 定义 | 份数 | 占有效分母 |
|---|---|---:|---:|
| **A 高危** | 外链了 **Windows 专有 CJK 字体**（宋体／黑体／雅黑／楷体／仿宋 等） | **24** | **1.9%** |
| **B 中危** | 外链了非 CJK 字体 | **151** | **11.7%** |
| **C 安全** | 全部字体 `emb=yes` | **1,117** | **86.5%** |

A+B+C = 24+151+1117 = **1,292** = 有效分母 ✅（分母校核通过）

**去重内容件口径（分母 1,054）**：A = **21**，B = **130**，C = **903**。

> **与前序「全库 20 件外链 Windows 中文字体」的差异**：本轮 A=21（内容件口径），
> 前序 20。**差 1 件，本轮未定位到具体是哪一件口径不同**，见 §6。
> 我不把它写成"修正"，因为在没定位之前，它也可能是我这边多算了一件。

### 2.3 完整清单落盘位置

| 清单 | 路径 | 行数 |
|---|---|---:|
| **A+B 全部明细**（含 MD5、文件名、非嵌入字体名、type/encoding、字节数） | `/tmp/vi-font/ab_list.tsv` | 175 |
| A+B 与既有取证的**交集**（含每份的引用出处） | `/tmp/vi-font/xref.tsv` | 42 |
| 全库逐件字体信息 | `/tmp/vi-font/fonts_all.json` | 1,561 |
| A/B/C 三类 MD5 集（去重口径） | `/tmp/vi-font/cls_md5.json` | 4 组 |

A 类字体名频次（去重口径）：`SimSun` 13 ／ `MicrosoftYaHei` 10 ／ `NSimSun` 2 ／ `KaiTi` 1 ／ `SimHei` 1。
B 类字体名 TOP：`ArialMT` 52 ／ `Helvetica` 39 ／ `Arial-BoldMT` 30 ／ `HeiseiKakuGo-W5-UniJIS-UCS2-H` 19。

### 2.4 ★★本轮最重要的发现：`emb=no` **不是**判据，字体**形态**才是

按任务书给出的判据（字体名像 Windows CJK 就算 A），A 类是 21 件。
但我把这 21 件的每一个非嵌入字体的 **type + encoding** 逐条打出来之后：

| 外部字体形态 | 件数 | 实测是否出豆腐块 |
|---|---:|---|
| `CID TrueType` + **`Identity-H`** | **1** | **★真豆腐块** |
| `CID TrueType` + `GBK-EUC-H` / `UniGB-UTF16-H` | 5 | 正常显示 |
| 简单字体（TrueType/Type 1）+ `WinAnsi` | 15 | 正常显示 |

**原因**：`Identity-H` 的 CMap **存在字体自己内部**。没有这个字体，渲染器手里就没有任何
字符→字形的映射表可回退，只能输出 `.notdef` 方块。
而 `GBK-EUC-H`／`UniGB-UTF16-H` 是**预定义标准 CMap**，`WinAnsi` 是**简单字体编码**——
这两种情况下渲染器可以直接改用系统里的任何 CJK 字体重新映射，**不产生豆腐块**。

**A 类 21 件中，只有 1 件（易至 266）真会出豆腐块。**

> **这正是 PITFALLS 78 第 2 条「`emb=no` 是风险标记不是判决」的量化版本**：
> 名义 A 类 21 件，实测真风险 1 件。**如果按名义 A 类去复核，会白跑 20 件。**


---

## 3. ② 交叉：A/B 清单 ∩ 既有目视取证样本

### 3.1 交集规模

在 96 份证据源文件（全部 `REPORT-*.md`、`SEALED-*.md`、`PITFALLS.md`、
`situation-entries.md`、各 TSV 台账）中检索全部 12 位 MD5，得 **520 个被引用过的唯一 MD5**，
与 A∪B 求交集：

| | 件数 |
|---|---:|
| A 类（名义 Windows CJK 外链）∩ 既有取证 | **11** |
| B 类（其他外链）∩ 既有取证 | **31** |
| 重叠 | 0 |
| **交集合计** | **42** |

### 3.2 逐份判定

**判定依据**：`pdffonts` 形态 ＋ **实际重新渲染并打开图目视**（不是靠字体名推断）。
共打开 **9 张图**逐张看过（见 §3.3 台账）。

#### ★ 唯一确认出豆腐块的一份

| 项 | 内容 |
|---|---|
| **文件** | 【手册VI 266】易至汽车·VI及SI指导 131p `0c3d5908280a` 偏移未测 |
| **我们做过什么** | `REPORT-DAMAGE.md` §2.3 把它判为**形态 3（损坏）**；`DAMAGE-PAIRS.tsv` 记 `DAMAGE_form3_layout_missing`，125/132 页 |
| **重渲染复核** | **200dpi 实拍 p45：左栏章节标题 8 个豆腐块、正文整栏豆腐块** —— 与前序记录逐字一致 |
| **判定** | **结论有效** ✅ —— 且前序**没有**把它误记为"这份件坏了"，它已经正确归因到字体外链 |

**★ 但本轮把它的范围量化到了页级（前序只到件级）：**

用 `pdfminer` 逐页统计"无 `XXXXXX+` 子集前缀（即未嵌入）的字体字符占比"：

| 指标 | 数 |
|---|---:|
| 总页数 | 131 |
| **用到未嵌入 `MicrosoftYaHei` 的页** | **33 页 = 25.2%** |
| **其中 >50% 字符来自该字体的页（必然大面积豆腐块）** | **29 页** |
| 未嵌入字体贡献的字符总数 | 1,823 |

**判定式已用 3 次目视交叉验证**：p7（未命中→实测干净 ✅）、p30（命中 55%→实测豆腐块 ✅）、p45（命中 52%→实测豆腐块 ✅）。

#### A 类其余 10 份：**逐份实拍，均正常显示**

| 文件 | MD5 | 外部字体形态 | 复核页 | 实拍结果 | 判定 |
|---|---|---|---|---|---|
| 【手册VI 959】全季4.0家具客房版 19p | `0f175898755f` | SimHei/SimSun `WinAnsi` | **p1、p14** | **全部 CJK 清晰**，CAD 标题栏可读 | **结论有效** |
| 【手册VI 958】全季4.0家具公区版 26p | `92e27ecc01de` | NSimSun `WinAnsi` | （同族，字体形态相同） | — | **结论有效** |
| 【必看113】万科品牌视觉识别手册 79p | `d0aeb1758d12` | SimSun `UniGB-UTF16-H` | **p2** | **正文全清晰** | **结论有效** |
| 【必看146】太二老坛子酸菜鱼项目手册 65p | `cffe93cd7c35` | YaHei/SimSun `GBK-EUC-H` | **p11** | **全清晰** | **结论有效** |
| 【手册VI 1012】谢谢锅 34p | `157a86011c45` | YaHei `GBK-EUC-H` | **p31** | **全清晰** | **结论有效** |
| 【手册VI 833】蔡澜 35p | `a5f05135f95f` | SimSun `WinAnsi` | — | 同 MD5 孪生 | **结论有效** |
| 蔡澜招商加盟 35p | `1fd1ebed85ad` | SimSun `WinAnsi` | — | 同上 | **结论有效** |
| 【手册VI 605】点蹄 29p | `64606696670b` | SimSun `WinAnsi` | — | 同上 | **结论有效** |
| 点蹄招商加盟 29p | `6d6bcba459cb` | SimSun `WinAnsi` | — | 同上 | **结论有效** |
| 【手册VI 1054】钟薛高 33p | `dd584e63bc71` | SimSun `WinAnsi` | — | 同上 | **结论有效** |

**★ 一条逐字核验**：`REPORT-LEFT2.md` 对全季 959 首页的转写是
`区域（客房）`／`产品名称 茶几/Q4.0-KF-CJ580 竹木色,圓形`／`图纸编号 RF-01A（611115）`。
**200dpi 实拍 p1，这三处逐字对上** —— **不是脑补出来的通顺词**。

#### B 类 31 份：抽验最高风险的 2 份（都是重量级 `父验`）

| 文件 | MD5 | 我们做过什么 | 复核 | 判定 |
|---|---|---|---|---|
| 【手册VI 428】麦当劳 104p | `24ef5370916f` | **模式 32 的全部结论**——「不是正本，是学生作业」，据此关闭了一个长期待决项 | **600dpi 实拍 p3：`Gloria Yasein / N0753203` 清晰无缺** | **结论有效** ✅ |
| 【手册VI 781】广发银行 61p | `6e733e3977ef` | 模式 53 的核心证据（印3/物2 引文、每页页脚原文） | `p18` 渲染产出 1,124,013 字节，非零；字体形态 `WinAnsi`（可替换） | **未被豆腐块污染** ⚠️ 但见 §5 降级候选 |

> **麦当劳这一条特别值得记**：它是本项目**最贵的一次纠错**（父会话曾把"真 VI 手册已定位"写进仓库），
> 而它的证据是一条 `父验` 级的拉丁文小字。**B 类外链字体没有污染它** —— 实拍证明 `Gloria Yasein` 不是脑补的。

### 3.3 本轮目视台账

| 图 | 件 | 页 | dpi | 产出字节 | 实际读到的 |
|---|---|---|---:|---:|---|
| `A_0c3d5908_p7` | 易至266 | p7 | 200 | 507,593 | **正常**（该页未用外链字体） |
| `yz266_p45` | 易至266 | p45 | 200 | 222,671 | **豆腐块** |
| `yz266s_p30` | 易至266 | p30 | 150 | 87,915 | **豆腐块**（但图中 logo 清晰） |
| `A_0f175898_p14` | 全季959 | p14 | 200 | 781,936 | 全部 CJK 清晰 |
| `qj959p1_p1` | 全季959 | p1 | 200 | 707,470 | 清晰，标题栏逐字对上 |
| `A_cffe93cd_p11` | 太二 | p11 | 200 | 277,561 | 清晰 |
| `xxg_p31` | 谢谢锅 | p31 | 200 | 3,257,453 | 清晰 |
| `chk_d0aeb1758d12_p2` | 万科79p | p2 | 200 | 861,434 | 清晰 |
| `mcdp3_p3` | 麦当劳428 | p3 | **600** | 172,770 | `Gloria Yasein / N0753203` 清晰 |

**零字节产出：0**。渲染失败：0。

### 3.4 ⚠️ 一个反直觉的发现：`无文本层 ≠ 豆腐块`

万科 79p 被 `IDENTITY.tsv` 记为「**无有效文本层**（Adobe Acrobat 8.13 Image Conversion）」，
我的脚本也因此把它归进"无 CJK 页、未渲染"那一组。
**但实拍 p2 显示它的正文完全正常。**

> **文本层检不出汉字，和渲染出来是豆腐块，是两回事。**
> 这与 PITFALLS 26（「无文本层 ≠ 没有内容」）是同一条，只是方向相反：
> **不能拿 `pdftotext` 的空输出推断渲染质量，反之亦然。两项检查必须各做一次。**

**代价**：我的"取汉字最密的一页"这个取页启发式，**对 10 份无文本层的件全部失效**，
这 10 份未经逐页实拍。它们都是 B 类（外部拉丁字体），风险低，但**"未经实拍"必须写出来，不能默认它们没事**。


---

## 4. ③ 工具链：`fontcheck.sh`

**位置**：`/tmp/vi-agents/fontcheck.sh`（已 `chmod +x`）

### 4.1 用法

```bash
# 文件级门禁（开工前跑这个）
./fontcheck.sh "file.pdf"

# 顺带渲染一页并报产出量（可打印率纪律）
./fontcheck.sh --page "file.pdf" 45
```

### 4.2 退出码

| 码 | 含义 | 动作 |
|---:|---|---|
| **0** | 可用于目视取证 | 仍须遵守 排版元素 400–600dpi ／ 中文条文 200dpi |
| **2** | **★不可用**：存在未嵌入 `CID`+`Identity-H` 字体 | **不要把渲染结果记成"这份件坏了"**；该页改走 `pdftotext` 或换机器 |
| **3** | `pdffonts` 0 行 | **不能判为安全**，必须目视通览（PITFALLS 26/45） |
| 4 | 用法/文件错误 | — |

### 4.3 判据（把 PITFALLS 78 变成可执行命令）

```bash
pdffonts "$F" | grep -v '^name' | grep -v '^-{5,}' \
| awk '{ if ($(NF-4)=="no" && $(NF-7)=="CID" && $(NF-5) ~ /^Identity/) print }'
```

**`emb=no` + `type` 含 `CID` + `encoding` 为 `Identity-H`** 三条同时成立 → 豆腐块。

### 4.4 脚本自检（在 5 份已知件上跑）

| 件 | MD5 | 形态 | 期望 | 实测 |
|---|---|---|---:|---|
| 易至266 | `0c3d5908280a` | YaHei CID+Identity-H | 2 | **2** ✅ |
| 太二 | `cffe93cd7c35` | YaHei CID+GBK-EUC-H | 0 | **0** ✅ |
| 万科79p | `d0aeb1758d12` | SimSun CID+UniGB-UTF16-H | 0 | **0** ✅ |
| 广发781 | `6e733e3977ef` | 外部拉丁 WinAnsi | 0 | **0** ✅ |
| 星巴克 | `edd618d549e2` | 全嵌入 | 0 | **0** ✅ |

`--page` 模式额外报 `RENDER_OK p45 222671 bytes` / `RENDER_ZERO_BYTE`，
**零字节单独成为一类退出码**，不与"内容为空"混为一谈（PITFALLS 23/27 同族）。

### 4.5 建议父会话固化进 PITFALLS 的三条

1. **`emb=no` 不是判决，`Identity-H` 才是。** 名义 A 类 21 件，真风险 1 件。
2. **豆腐块是逐页属性，不是文件属性。** 同一份文件里，p7 干净、p30/p45 全是豆腐块；
   甚至同一页上，内嵌字体的图形标注清晰、外链字体的正文是方块——
   **一眼扫过去像"正常排版页"**。
3. **看 `pdftotext` 空不空，判断不了渲染好坏**；两件事各查一次。

### 4.6 配套脚本（本轮实际使用的，可复跑）

| 脚本 | 用途 |
|---|---|
| `/tmp/vi-font/scan_fonts.py` | 全库 `pdffonts` 扫描；`validate` 子命令＝在已知件上验解析器 |
| `/tmp/vi-font/pages_ext.py <md5>` | **逐页**列出用未嵌入字体的页 ＋ 豆腐块页清单（`pdfminer`） |
| `/tmp/vi-font/probe_fonts.py` | 把非嵌入字体按 `type/encoding` 形态分类 |
| `/tmp/vi-font/render_xref.py` / `rp.py` | 交集件重渲染（报零字节产出） |


---

## 5. ④ 证据等级配平审计：本项目有多少条结论，其证据等级不配标注的等级

### 5.1 审计口径

`父验` 字样在 `situation-entries.md` 中只出现 **7 次**，但**父验级证据并不只由这个词标记**——
本项目实际的最高等级证据是「**pdftoppm 渲染 + 目视**」，它散布在 59 个模式里。
因此本轮的口径是：**凡取证结论所依赖的那次渲染的 dpi 与环境**，而不是搜「父验」两个字。

按任务要求分三类统计。

---

### 5.2 第一类：**200dpi 读出的「排版元素」**（PITFALLS 67）

PITFALLS 43 已经实证：同一个章节标题在 30dpi 读成「生化应用系统」、
200dpi「仍不确定」、**600dpi 才读对**。而 PITFALLS 67 定的规矩是
「排版元素一律 400–600dpi；200dpi 复核那条纪律是为**中文条文**设的，不适用于排版元素」。

我把 `situation-entries.md` 中全部 **33 处 200dpi** 逐条按「读的是什么」分类：

| # | 位置 | 200dpi 读的是什么 | 是不是排版元素 | 判定 |
|---|---|---|---|---|
| 1 | L1896 | 【964】封面印 `V4.0`，200dpi 复核为 V4.0 | **封面版本号＝排版元素** | **需降级** |
| 2 | L2568 | LEGO 页码 40dpi 误作「+3 偏移」，200dpi 复核为**偏移 0** | **页码＝排版元素** | **需降级** |
| 3 | L3639 | 广发银行**每页页脚**「本手册所示字体和图片仅作手册说明用途…」 | **页脚＝排版元素** | **需降级** |
| 4 | L4050 | 可口可乐 Zero 物理 p81 **红色小节标题**「4. Familiar Yet Surprising」 | **小节标题＝排版元素** | **需降级** |
| 5 | L4247 | 【手册VI 320】物理 p81 **红色标题** | **小节标题＝排版元素** | **需降级** |
| 6 | L6154 | 微软 88/90p 都印 `P.81`；港科大 144/107p 都印 `P.102`（200dpi 目视） | **页码＝排版元素** | **需降级** |
| 7 | L4734 | NSW 州政府 p6 版权栏 `© Crown in right of NSW…`（标注**父会话 200dpi 逐字**） | **版权栏＝排版元素** | **需降级** |

**第一类合计：7 条**（另有方太 841 的 `31｜32` 已在 PITFALLS 67 单独处理，不重复计数）。

**另有一个反向条目**（已自纠、不需再降级，但必须留着）：
L2471/L2310 —— 兜底轮在**一条关键证据上 200dpi 误读了页脚小字**，
把「版权限制」读成「完备性默认条款」，据此建立的新类型 **N6 已撤回**。
**这是本项目已经付出过代价的同一条规则，代价已经付过了。**

> **注意第 3、4、5 条的性质**：它们支撑的分别是模式 53 的核心引文、
> 以及「familiar 5 处」这条**曾经推翻了旧判定**的纠错结论。
> 第 4/5 条尤其讽刺——**它是一次「提高分辨率后读对了」的纠错，而它自己是用 200dpi 读的**。

---

### 5.3 第二类：**结论建立在已知损坏件上**

前序 `REPORT-DAMAGE.md` 判定损坏 5 对（形态 1/2/3/4）。逐件核对这些件是否被别的结论引用：

| 损坏件 | MD5 | 是否被别的模式引用 | 判定 |
|---|---|---|---|
| 易至 266（形态 3） | `0c3d5908280a` | 仅作形态 3 的**样本**被引用，**无任何模式以其为证据** | **无需降级** |
| 小鹏 217p（形态 1） | `94ab188f061b` / `0889861dbca9` | 模式 59 的样本 | **无需降级** |
| NASA 049↔634（形态 2 页序对调） | `c33b23b566f8` / `fcf8c4b3b0fd` | **在交集里**（B 类外链字体） | **结论有效**（见 §3.2） |
| 全季 956↔957（形态 4） | — | 记录里明确写「**不可判定哪件是新版**」 | **已合规降级** |
| 可口可乐 744（形态 3 封面截断） | `12b480945cfe` | 未进 A/B 交集（未外链字体） | **无需降级** |

**第二类合计：0 条需要新降级。**
（NASA 两件在交集里，我已单列复核；全季那对本轮就写了「不可判定」，合规。）

---

### 5.4 第三类：**结论建立在已知缺字体件上**

这是本任务的正面问题。答案：

| 判定 | 件数 |
|---|---:|
| **结论作废** | **0** |
| **结论需降级** | **0** |
| **结论有效**（已逐份重渲染确认） | **11**（A 类交集全部，含易至 266） |

**理由**：
- **易至 266** 是全库**唯一**真出豆腐块的件，而它**从未被任何模式的证据引用**——
  它只作为「形态 3 的样本」出现在 `REPORT-DAMAGE.md`，且前序**已经正确地**把它归因到字体外链，
  没有误记成"这份件坏了"。
- **其余 10 份 A 类交集件**，外部字体都带标准 CMap 或简单字体编码，
  实拍确认正常显示，其上已有的结论（含 `REPORT-LEFT2.md` 的 CAD 标题栏逐字转写）**全部成立**。
- **B 类 31 份**中外部字体几乎全是拉丁字体（`ArialMT` 52／`Helvetica` 39…），
  macOS 全部可替换；最高风险的麦当劳 428（模式 32 的全部结论）**600dpi 实拍确认干净**。

> ### **本任务的总答案：豆腐块没有污染任何一条既有结论。**
>
> 但这个结论**不是因为我们做对了，而是因为运气**：
> 1. 真出豆腐块的只有 1 件，而它恰好没被当证据用；
> 2. 剩下的都带标准 CMap，本机恰好能替换；
> 3. **一旦换一台机器，或某件文件的字体形态变了，这个结论立刻失效。**
>
> **所以要固化的是判据（§4 的脚本），不是这份结论。**

---

### 5.5 真正需要降级的：合计 **7 条**（全部属第一类）

按重要性排序（最重要的 5 条）：

| 序 | 条目 | 出处 | 为什么必须降级 |
|---|---|---|---|
| **1** | 广发银行**每页页脚**原文「本手册所示字体和图片仅作手册说明用途，在使用之前须获得正式版权后方可使用」 | `situation-entries.md` L3639，模式 53 核心证据 | **页脚小字，PITFALLS 34 明令 400dpi 以上**；且 PITFALLS 34 记录的正是**同类页脚被 200dpi 误读**并据此建出一个后来被撤回的类型 |
| **2** | 可口可乐 Zero p81 **红色小节标题**「4. Familiar Yet Surprising」 | L4050 | **章节标题正是 PITFALLS 43 里 200dpi「仍不确定」、600dpi 才读对的那一类**；且此条已被用来推翻旧判定，错不得 |
| **3** | 【手册VI 320】p81 **红色标题** | L4247 | 同上 |
| **4** | 微软 88/90p 都印 `P.81`、港科大 144/107p 都印 `P.102`（**2 例「同 MD5 不同内容」的全部依据**） | L6154，模式 59 | **页码＝排版元素**；且 PITFALLS 12/71 已实证页码比对是最脆弱的一环（跨页常数逐份不同） |
| **5** | NSW 州政府 p6 **版权栏** `© Crown in right of NSW through the Department of Customer Service 2022`（标注「**父会话 200dpi 逐字**」） | L4734 | **版权栏＝排版元素**，且「父会话逐字」这个标注会让它享受最高免检 |

**其余 2 条**：LEGO 页码偏移 0（L2568）、【964】封面 V4.0（L1896）。

> **降级动作**（统一）：标 `低置信（读法不合规：排版元素@200dpi）`，留待 400–600dpi 复核。
> **不得追认**——PITFALLS 67 已经因为方太那次「200dpi 恰好读对」写下过：
> **「读法不合规的读对一次，不构成读法合规的证据。」**

### 5.6 另外一条与字体无关、但同属「等级不配」的发现

**§3.2 里那条 `无文本层 ≠ 豆腐块`** 提示了一个取页启发式的失效：
本轮用「文本层汉字最密的一页」来挑复核页，**对 10 份无文本层的件全部失效**。
这不影响既有结论（那 10 份都是 B 类），但它意味着：

> **任何自动化取页策略在无文本层件上是盲的。**
> 若将来用它做全库普查，会系统性地漏掉整类文件——**而整类文件恰好是"只有图没有字"的那类**。


---

## 6. ★附带发现：`find -name "*.pdf"` 少算 1 件（本轮定位到了）

§1.4 那个 1,560 vs 1,561 的差异**已定位**：

```
./1.【总包】1000+品牌手册合集/【手册VI 239】Santander_桑坦德风格指南.PDF
                        ↑ 大写 .PDF
```

- `find . -name "*.pdf"`（**大小写敏感**）→ **1,560**，漏掉它
- `find . -iname "*.pdf"` / Python `.lower().endswith('.pdf')` → **1,561**

该件字体：`SantanderHeadline-Regular`／`SantanderText-Light`／`SantanderText-Regular`
**全部 `emb=yes`** → 归 **C 类**，不影响 A/B 任何计数。

> **这是 PITFALLS 27（`xargs -d` 静默失败）的又一例**：
> 命令**不报错、不提示、返回了一个完全合理的整数**，
> 只是一个整数——只是少了 1。**差别只在于那个 1 没人核。**
>
> 本项目的任何全库普查若用了 `-name "*.pdf"`，分母都是 1,560 而非 1,561。

---

## 7. 结论汇总（§0 占位符的正式回填）

### 7.1 ① 全库 A/B/C 盘点

| 类 | 物理件口径（分母 1,292） | 去重内容件口径（分母 1,054） |
|---|---:|---:|
| **A** 名义高危：外链 Windows 专有 CJK 字体 | **24**（1.9%） | **21** |
| **B** 名义中危：外链非 CJK 字体 | **151**（11.7%） | **130** |
| **C** 安全：全部 `emb=yes` | **1,117**（86.5%） | **903** |
| （单列）`pdffonts` 0 行 | 269 | 217 |

**★ 但真正会出豆腐块的只有 1 件**（`CID`+`Identity-H`）：**易至 266 `0c3d5908280a`**，
**131 页中 33 页（25.2%）用到外链字体，其中 29 页 >50% 字符来自它**。

**A/B 完整清单**：`/tmp/vi-font/ab_list.tsv`（175 行，含 MD5/文件名/字体名/形态/字节数）。

### 7.2 ② 与既有取证的交集

**42 份**（A 类 11 ／ B 类 31）。逐份重渲染实拍后：

| 判定 | 份数 |
|---|---:|
| **结论有效** | **42** |
| 结论需降级 | 0 |
| **结论作废** | **0** |

**实拍 9 张图，零字节产出 0。** 一条逐字核验通过（全季 959 的 CAD 标题栏）。
一条 600dpi 关键复核通过（麦当劳 428 p3 `Gloria Yasein / N0753203`）。

### 7.3 ③ 工具链

**`/tmp/vi-agents/fontcheck.sh`** —— `./fontcheck.sh <pdf>` 判文件，`--page <pdf> <页码>` 顺带报渲染产出量。
退出码 **0 可用 / 2 豆腐块风险 / 3 无字体信息 / 4 用法错**。已在 5 份已知件上自检通过。

### 7.4 ④ 证据等级配平

| 类别 | 条数 |
|---|---:|
| 200dpi 读出的**排版元素**（须降级） | **7** |
| 建立在**已知损坏件**上的结论 | **0** |
| 建立在**已知缺字体件**上的结论 | **0**（11 份交集全部有效） |
| **必须降级合计** | **7** |

**最重要的 5 条**：广发银行每页页脚原文（L3639）＞ 可口可乐 Zero p81 红色小节标题（L4050）＞
【手册VI 320】p81 红色标题（L4247）＞ 微软/港科大「都印同一页码」（L6154）＞
NSW 州政府 p6 版权栏（L4734）。

---

## 8. 诚实边界（本轮明确未做 / 未测）

| 项 | 状态 | 原因 |
|---|---|---|
| **A 类 21 件是否每一页都实拍** | **未做** | 只实拍了 6 份（易至266/全季959/万科/太二/谢谢锅 + 600dpi 麦当劳）。其余 15 份**依据字体形态推断为安全，未逐页实拍**。推断不是目视 |
| **B 类 31 份的逐页实拍** | **未做** | 只实拍了麦当劳 428（最高风险）与广发 781（渲染产出非零）。其余 29 份仅按字体形态推断 |
| **10 份无文本层件的渲染质量** | **未查** | 取页启发式失效；仅万科 79p 与麦当劳 428 已实拍确认 |
| **269 件 `pdffonts` 0 行** | **未查** | 纯图像件还是工具失效，无法区分。**未计入任何一类** |
| **A=21 与前序 20 差 1 件** | **未定位** | 可能是口径差异，也可能是多算一件。**在定位前不写成"修正"** |
| **换一个渲染机是否仍是这个结论** | **不可能测** | 豆腐块依赖渲染机字体。**本轮全部结论只对这台机器成立** |
| **`页面级`豆腐块检测的通用性** | **未验证** | `pages_ext.py` 只在易至 266 上跑过，并用 3 次目视交叉验证；未在其他件上验证假阳性率 |
| **OCR** | **未使用** | 按纪律禁用（本机缺 `chi_sim`） |

## 9. 给父会话的三条可直接落库的操作结论

1. **`emb=no` 不是判决，`CID`+`Identity-H` 才是。** 名义 A 类 21 件 → 真风险 1 件。
   `fontcheck.sh` 已把这条判据固化成可执行命令，**建议并入派发模板的开工前步骤**。
2. **豆腐块是逐页属性，不是文件属性。** 同一份文件里 p7 干净、p30/p45 全是方块；
   甚至同一页上，**图形里的 logo 清晰、正文是方块**——**一眼扫过去像正常排版页**。
   ⇒ **凡渲染大面积豆腐块，先跑 `pdffonts`，不要先下「这份件坏了」的结论**（PITFALLS 78 第 1 条，本轮给出页级量化）。
3. **本轮没有污染任何既有结论，但那是运气不是方法。** 真正要固化的不是这个结论，
   而是 §4 的判据——因为**换一台机器，这个结论立刻失效**。
   另有 **7 条 200dpi 排版元素结论必须降级**（§5.5），这与字体无关，是本轮独立查出的欠账。