chore: auto release commit (2026-09-14 16:38:51)

scripts/util/score_util.py

@@ -0,0 +1,154 @@
+"""课程教学大纲体检 - 纯函数工具层。
+
+设计原则：
+- 仅依赖标准库；不依赖 jiangchang_skill_core / jinja2 / python-docx
+- 这些函数是 service 层 / CLI 入口都要复用的纯计算，便于 unit test
+- 输入允许 str / list[str] / dict；返回稳定标签 / 数值
+
+模块内函数：
+- clamp_score(value): 把 0~100 之外的分数裁剪到合法区间
+- weighted_total(format_score, matrix_score, ideology_score, weights): 加权总分
+- classify_audit_status(score, pass_thr, modify_thr): 根据总分给最终建议
+- parse_score_threshold(env_value, default): 从 env 字符串读取阈值
+- parse_ideology_keywords(env_value, default_keywords): 解析思政关键词 JSON 数组
+- count_keyword_hits(text, keywords): 统计文本中思政关键词命中数
+"""
+
+from __future__ import annotations
+
+import json
+from typing import Iterable, Mapping
+
+from util.constants import (
+    AUDIT_STATUS_MODIFY,
+    AUDIT_STATUS_PASS,
+    AUDIT_STATUS_REWRITE,
+    DEFAULT_WEIGHT_FORMAT,
+    DEFAULT_WEIGHT_IDEOLOGY,
+    DEFAULT_WEIGHT_MATRIX,
+    TOTAL_SCORE_MAX,
+    TOTAL_SCORE_MIN,
+)
+
+
+def clamp_score(value, min_val: float = TOTAL_SCORE_MIN, max_val: float = TOTAL_SCORE_MAX) -> float:
+    """把分数裁剪到 [min_val, max_val] 区间。None / 非数字输入 → min_val。"""
+    try:
+        v = float(value)
+    except (TypeError, ValueError):
+        return float(min_val)
+    if v < min_val:
+        return float(min_val)
+    if v > max_val:
+        return float(max_val)
+    return v
+
+
+def weighted_total(
+    format_score,
+    matrix_score,
+    ideology_score,
+    weights: Mapping[str, float] | None = None,
+) -> float:
+    """三个子项加权求和，权重默认 (0.3 / 0.4 / 0.3)。
+
+    weights 可选 dict，覆盖默认值；缺 key 时回退默认权重。
+    返回值经 clamp_score 裁剪到 [0, 100]。
+    """
+    w = weights or {}
+    wf = float(w.get("format", DEFAULT_WEIGHT_FORMAT))
+    wm = float(w.get("matrix", DEFAULT_WEIGHT_MATRIX))
+    wi = float(w.get("ideology", DEFAULT_WEIGHT_IDEOLOGY))
+    total = (
+        clamp_score(format_score) * wf
+        + clamp_score(matrix_score) * wm
+        + clamp_score(ideology_score) * wi
+    )
+    return round(clamp_score(total), 2)
+
+
+def classify_audit_status(
+    score,
+    pass_thr,
+    modify_thr,
+) -> str:
+    """根据总分给最终建议。
+
+    - score >= pass_thr → pass（直接送审）
+    - modify_thr <= score < pass_thr → modify（修改后送审）
+    - score < modify_thr → rewrite（重写）
+    """
+    s = clamp_score(score)
+    try:
+        p = float(pass_thr)
+    except (TypeError, ValueError):
+        p = 0.0
+    try:
+        m = float(modify_thr)
+    except (TypeError, ValueError):
+        m = 0.0
+    if p < m:
+        p, m = m, p  # 防御性：保证 pass >= modify
+    if s >= p:
+        return AUDIT_STATUS_PASS
+    if s >= m:
+        return AUDIT_STATUS_MODIFY
+    return AUDIT_STATUS_REWRITE
+
+
+def parse_score_threshold(env_value, default: float) -> float:
+    """从 env 字符串读取分数阈值；非法值回退 default。"""
+    if env_value is None:
+        return float(default)
+    s = str(env_value).strip()
+    if not s:
+        return float(default)
+    try:
+        v = float(s)
+    except ValueError:
+        return float(default)
+    if v < TOTAL_SCORE_MIN or v > TOTAL_SCORE_MAX:
+        return float(default)
+    return v
+
+
+def parse_ideology_keywords(env_value, default_keywords: Iterable[str]) -> list[str]:
+    """从 env（JSON 数组字符串）解析思政关键词列表。
+
+    - 空 / 非法 JSON → 默认关键词列表
+    - 元素需为 str；非 str 一律跳过
+    """
+    if env_value is None:
+        return list(default_keywords)
+    s = str(env_value).strip()
+    if not s:
+        return list(default_keywords)
+    try:
+        data = json.loads(s)
+    except (ValueError, TypeError):
+        return list(default_keywords)
+    if not isinstance(data, list):
+        return list(default_keywords)
+    out: list[str] = []
+    for item in data:
+        if isinstance(item, str) and item.strip():
+            out.append(item.strip())
+    return out or list(default_keywords)
+
+
+def count_keyword_hits(text: str, keywords: Iterable[str]) -> dict[str, int]:
+    """统计文本中每个关键词出现的次数（不区分大小写）。
+
+    返回 {keyword: count}；不命中的关键词不出现在结果中（count=0 省略）。
+    """
+    if not isinstance(text, str):
+        return {}
+    lower = text.lower()
+    out: dict[str, int] = {}
+    for kw in keywords:
+        if not isinstance(kw, str) or not kw:
+            continue
+        c = lower.count(kw.lower())
+        if c > 0:
+            out[kw] = c
+    return out