uv提升方法，导入内容后标题与文件错位如何核对对应关系
📱 Mozilla/5.0 AppleWebKit/537.36 (KHTML, like Gecko; compatible; ClaudeBot/1.0; +claudebot@anthropic.com)
🔗 /2bf4f830c130.html
📄
uv提升方法，导入内容后标题与文件错位如何核对对应关系
先给结论：如果导入后标题与文件错位，优先核对“内容指纹”而不是文件名，只有当文件本身带有稳定且唯一的标识时，才适合用文件名做主键。两种做法都成立，但适用条件不同，选错的代价是后续每次更新都要重新排查一遍。
先判断该用文件名还是内容指纹做对应
文件名做主键的前提是：导出系统在生成文件时就写入了唯一编号或固定 slug，并且这个标识在后续流程中不被改写。满足这个条件时，核对成本最低，一次比对就能定位全部错位。
如果文件名是人工命名、批量重命名过，或者同一标题对应多个文件，文件名就不再可靠。此时应改用内容指纹，例如正文首段的前若干字符、正文长度区间、内链组合特征，三者交叉比对。
选择依据可以简化成一句话：文件名是否由系统生成且全程未被改动。是，用文件名；否，用内容指纹。两者都做一遍再取交集，是更稳但更慢的做法，只在错位规模大、影响面广时才值得。
错位的常见原因与区分证据
错位通常来自三类原因，各自的证据不同，不要混在一起处理。
- 排序错位：标题顺序与文件顺序整体偏移一位或几位。证据是错位呈规律性，偏移量固定。这多来自导出时的排序字段与导入时的排序字段不一致。
- 编码或截断错位：标题被截断、转义或字符集转换后与文件不再匹配。证据是部分标题出现乱码、问号或长度异常。
- 重复与覆盖错位：同名标题被后导入的内容覆盖。证据是文件数量少于标题数量，或同一标题指向不同正文。
区分方法：先统计标题总数与文件总数。数量一致时偏向排序或编码问题；数量不一致时优先怀疑重复覆盖。
一个假设的核对流程与动作结果
假设一次导入后，页面标题与正文文件整体偏移一位。先做一步动作：导出标题列表与文件列表，按各自原始顺序并排，检查偏移量是否恒定。
如果偏移量恒定，说明是排序字段不一致，修正排序规则后重新导入即可，不需要逐个改标题。如果偏移量不恒定，说明存在重复或缺失，此时再逐个用内容指纹比对，定位到具体条目。
这个动作的结果直接决定下一步：恒定偏移走批量修正，不恒定偏移走逐条核对。先做批量修正是有风险的，因为不恒定偏移下批量修正会掩盖真正的缺失项。
会让结论失效的反例
如果导入系统在保存时自动重写标题，例如统一加后缀、去空格或按模板拼接，那么无论用文件名还是内容指纹，首次核对结果都会失效，因为源数据在导入过程中已被改变。
这种情况下，核对必须放在导入之前，或改为核对导入后的实际存储值，而不是核对原始标题。忽略这一点，会把系统改写误判成错位，从而做出错误的批量修正。
核对完成后该做的下一步
确认对应关系后，先固定一份映射表：标题、文件标识、内容指纹三者对应，作为后续更新的基准。每次新增或替换内容时，只比对映射表，不再全量核对。
同时记录本次错位的类型和偏移量。下次导入前先抽查若干条，观察是否出现同类偏移。如果同类偏移反复出现，问题在导入规则而非单次数据，应优先改规则而不是继续人工修补。
需要说明的是，一次修正后观察到的变化，不能单独归因于修正本身，导入时间、内容更新节奏和数据采集口径都可能带来差异，比较时应尽量保持其他条件一致。
