ilaandClaude Opus 4.8
6091c441cd
- scripts/validate_episodes.py：结构/字段/时间戳/音频对账等校验 - scripts/fix_episodes.py：重算统计字段、引号归一、去空白（自动备份） - scripts/README.md：用法与已知数据缺口说明 Co-Authored-By: Claude Opus 4.8 <noreply@anthropic.com>
32 lines
1.3 KiB
Markdown
32 lines
1.3 KiB
Markdown
# scripts/
|
||
|
||
维护内容数据 `family-album-usa/episodes.json` 的工具脚本（纯 Python 标准库，无需安装依赖）。
|
||
|
||
## validate_episodes.py — 数据校验（只读）
|
||
|
||
把人工体检固化为可重复检查：结构/字段一致性、`lineCount` 自洽、统计字段是否准确、时间戳单调性、音频对账（引用 vs 磁盘）、说话人前缀与引号风格提示。
|
||
|
||
```bash
|
||
python3 scripts/validate_episodes.py # 默认数据路径
|
||
python3 scripts/validate_episodes.py 某/episodes.json
|
||
```
|
||
|
||
发现 `ERROR` 退出码为 1，可接入 CI / pre-commit。
|
||
|
||
## fix_episodes.py — 格式修正（会先备份）
|
||
|
||
只做安全可逆的修正：重算统计字段、弯引号统一为直引号、去 `en` 首尾空白。
|
||
**不**剥离说话人前缀、**不**改时间戳数值、**不**为无音频集补造数据（这些需补料后另行处理，详见 `docs/04-architecture.md`）。
|
||
|
||
```bash
|
||
python3 scripts/fix_episodes.py --dry-run # 预览将改什么
|
||
python3 scripts/fix_episodes.py # 就地修正，自动备份 .bak
|
||
```
|
||
|
||
## 已知数据缺口（背景）
|
||
|
||
- ep18–26 共 9 集**无音频**，ep18/19 转写为剧本格式（含说话人前缀）——需补原始音频后再处理。
|
||
- ep1/ep12 各缺 1 幕音频；`audio/episode12_act2.mp3` 为游离文件。
|
||
|
||
MVP 建议先锁定 ep1–17。
|