# SEALED-SPREAD · 跨页合并判据的封存预判

> 写入时间：2026-10-14 开 PDF 之前。
> 本文件在打开任何页面之前封存。事后只允许「对账」，不允许改写。

---

## 一 · 我要判的到底是什么

「跨页合并」＝**一份 PDF 的物理页由两个印刷页面拼成**。这是**排版意图**，不是像素特征。

反面：单页横版设计（本来就是一张 A4 横）。两者矩形**完全同形**：

| | 宽 × 高 | 比 |
|---|---|---|
| 一张 A4 横向单页 | 841.89 × 595.276 | 1.4142 |
| 两个 A4 竖版并排 | 1190.55 × 841.89 | 1.4142 |
| 振华重工真跨页 | 1586 × 794 | 1.997 |

→ **比例这个维度天生二义。** 这就是 321 份卡住的根因，也是前两轮失败的根因。

## 二 · 什么情况下会被排成跨页本（可观察后果）

| 排版成因 | 应当产生的可观察后果 |
|---|---|
| 骑马钉/胶装小册子按「一张纸＝两页」拼版 | 中缝两侧**各有独立版心**；左右两半**各有自己的页眉/页脚/页码**；页码为 (2n−1, 2n) 成对；**行不到中缝就停** |
| 纸质书扫描/导出 PDF | 同上，另加中缝**装订压痕/阴影**、裁切标记 |
| 出血跨页大图（海报/展板） | 中缝处**内容贯通**，两侧色块连续 |
| 桌面折页、双折页 | 中缝有折痕、折页后尺寸自洽 |

**关键推论：真跨页本的中缝是不可跨越的（骑缝钉打在那里），因此「有内容/行/图横穿中缝」是单页横版的强证据。** 反之「中缝纯白」什么都不能证明（前两轮已证伪两次）。

## 三 · 我打算用的判据（第三类：文本层几何 ＋ 页码语义，不是像素）

前两轮都是「像素长什么样」。第三类换成「**文档里写了什么编号**」。

**判据 A · 页码奇偶成对**（最强）
用 `pdftotext -bbox` / `pdftohtml -xml` 取每个词的坐标与内容。若中缝左右两侧各存在一个页码数字，且满足 右=左+1 且左为奇数 → 跨页。

**判据 B · 中缝白／外白比值**
真跨页本两半各自留边距，中缝＝两个内边距相加 ⇒ 中缝白宽 ≈ 2× 外缘白宽。

**判据 C · 行网格不跨中缝**
若存在同一基线上的文本行**横穿中缝**（左半有词 x1<缝，右半有词 x2>缝，基线差 <0.3×行高）→ 判为单页横版。

**判据 D · 印刷页数反推**（对已有真值文件）
真跨页本若页码连续，则 印刷页 = 2×物理页 − 常数（振华 −7、广发 −2、常数不同）。

## 四 · ⛔ 封存预判（事后逐条对账，不许事后改口）

- **预判 1（我押它失败）**：**判据 B（中缝白／外白比值）会失败。**
  理由：单页横版的**对称构图**（左文右图等宽双栏）产出与跨页本**完全相同**的白边几何。这与前两轮同构——像素/几何层无法承载「排版意图」。若它"成功"，我反而要怀疑它只是切出了「对称构图」而不是「跨页」。

- **预判 2**：**判据 C 是三者里唯一可能部分成功的**，因为它是**单向否证器**：中缝有东西贯通 ⇒ 必非跨页。但它**没有召回**——中缝纯白不能反推是跨页（前两轮已证伪）。预计只能自动排除一小部分。

- **预判 3**：**判据 A 覆盖率会很低。** VI 手册普遍不印页码（万科/咖啡/观夏/花西子零页码，PITFALLS 已有实测）；印了的又常只印一个居中页码。**预计能靠 A 判定的 <15%。**

- **预判 4（总判决）**：**不会有任何单一自动判据把 321 份可靠分成两类。**
  最可能的最好结果是：用一组弱信号分成 **三档**（高置信非跨页 / 高置信跨页 / 中间地带），其中中间地带仍需目视。乐观估计**高置信两档合计 40–60%**。

- **预判 5**：用 **MediaBox 尺寸**判跨页一定失败。振华的 1586×794 是它自己的版式，**尺寸只用来分组，不用来定跨页**。

- **预判 6**：321 份里真跨页的**占比会很低（我猜 <15%）**。理由：真跨页需要「一张纸装两页」的实体书稿，绝大多数 VI 手册是单页横版排版。

- **预判 7**：如果我最终**一个高置信正类都拿不出来**（即无法自动确认任何一份为跨页），我必须直接说"不能"，并只给"可自动排除 X 份 / 必须目视 321−X 份 ＋ 工作量数字"。**不得为了交差而把"疑似"写成"命中"。**

## 五 · 纪律自检

- 两次失败都是抽 1 份就被证伪。本次**回测集 ≥20 份**，且**真/假两组都手工确认过**才写判据。
- 混淆矩阵必须四格全报，**含 0 格**。
- 「零命中」与「未发现」分开写；缺失型断言记录已读区间。
- 产物只写 /tmp。渲染节制（另有两个 agent 在跑）。
- **不提名新变量。** 本轮产出的是**处理方案**（哪些能自动、哪些必须目视、多少钱），不是新标签。