Use HIS数据处理 as Gitea backup root

.gitignore

@@ -5,11 +5,17 @@
 .pgpass
 
 # Patient data and generated outputs
-数据处理结果区/
+**/数据处理结果区/
-待处理-患者目录图片集群/
+**/待处理-患者目录图片集群/
-已处理-患者目录图片集群/
+**/已处理-患者目录图片集群/
-待处理-患者首页PDF/
+**/待处理-患者首页PDF/
-已处理-患者首页PDF/
+**/已处理-患者首页PDF/
+**/待处理-患者目录图片集群
+**/已处理-患者目录图片集群
+**/待处理-患者首页PDF
+**/已处理-患者首页PDF
+**/参考-过去很烂的程序/
+**/参考-病案首页图片/
 *.csv
 *.jsonl
 *.pdf
@@ -18,10 +24,16 @@
 *.jpeg
 *.xlsx
 *.xls
+*.dump
+*.backup
+*.sql.gz
+*.zip
 
 # Runtime/cache
 __pycache__/
 *.py[cod]
+*.db
+*.sqlite
 *.log
 *.tmp
 .DS_Store
@@ -29,7 +41,9 @@ __pycache__/
 .vscode/
 
 # Local review settings
+工作流_本地使用版.md
+工作流_本地使用版*.zip
 review_settings.local.json
-数据可视化网页端/review_settings.local.json
+**/数据可视化网页端/review_settings.local.json
 人工复核网页端配置.json
 03_人工复核修正.json

患者列表处理/.env.example

@@ -9,6 +9,7 @@ REVIEW_APP_PASSWORD=请填写网页端登录密码
 REVIEW_APP_SECRET_KEY=请填写随机字符串
 REVIEW_APP_PORT=8090
 REVIEW_POSTGRES_SYNC=1
+HIS_LIST_DATA_ROOT=/path/to/HIS数据/患者列表
 
 KIMI_API_KEY=请填写Kimi或Moonshot API Key
 KIMI_MODEL=kimi-k2.6

患者列表处理/人工复核网页端/.env.example

@@ -3,6 +3,7 @@ REVIEW_APP_PASSWORD=change-me
 REVIEW_APP_SECRET_KEY=change-me-to-a-random-string
 REVIEW_APP_PORT=8090
 REVIEW_POSTGRES_SYNC=1
+HIS_LIST_DATA_ROOT=/path/to/HIS数据/患者列表
 KIMI_API_KEY=change-me
 KIMI_API_ENABLED=1
 KIMI_MODEL=kimi-k2.6

患者列表处理/人工复核网页端/app.py

@@ -47,6 +47,7 @@ DATETIME_PATTERN = re.compile(r"\d{4}-\d{2}-\d{2} \d{2}:\d{2}:\d{2}")
 FLEX_DATETIME_PATTERN = re.compile(r"^(\d{4})-(\d{1,2})-(\d{1,2})\s+(\d{1,2}):(\d{1,2}):(\d{1,2})$")
 INPATIENT_NO_PATTERN = re.compile(r".*")
 IMAGE_EXTENSIONS = {".png", ".jpg", ".jpeg", ".bmp", ".webp"}
+IMAGE_DATA_LINK_NAMES = ("已处理-患者目录图片集群", "待处理-患者目录图片集群")
 IGNORED_REVIEW_TIPS = {"缺少出院时间"}
 IGNORED_AI_ISSUE_PATTERNS = (
     "最后书写时间与出院时间顺序异常",
@@ -1579,11 +1580,41 @@ def filtered_items() -> list[dict[str, Any]]:
     return items
 
 
+def path_is_relative_to(path: Path, root: Path) -> bool:
+    try:
+        path.relative_to(root)
+        return True
+    except ValueError:
+        return False
+
+
+def allowed_file_roots() -> list[Path]:
+    roots = [WORKSPACE_ROOT.resolve()]
+    for name in IMAGE_DATA_LINK_NAMES:
+        link_path = WORKSPACE_ROOT / name
+        if link_path.exists() or link_path.is_symlink():
+            roots.append(link_path.resolve(strict=False))
+    extra_roots = os.getenv("REVIEW_ALLOWED_PATH_ROOTS", "")
+    for root_text in extra_roots.split(os.pathsep):
+        root_text = root_text.strip()
+        if root_text:
+            roots.append(Path(root_text).expanduser().resolve(strict=False))
+
+    unique_roots: list[Path] = []
+    seen: set[str] = set()
+    for root in roots:
+        key = str(root)
+        if key not in seen:
+            seen.add(key)
+            unique_roots.append(root)
+    return unique_roots
+
+
 def safe_workspace_path(path_text: str) -> Path:
     raw = Path(path_text)
     path = raw if raw.is_absolute() else WORKSPACE_ROOT / raw
-    resolved = path.resolve()
+    resolved = path.resolve(strict=False)
-    if WORKSPACE_ROOT not in resolved.parents and resolved != WORKSPACE_ROOT:
+    if not any(path_is_relative_to(resolved, root) or resolved == root for root in allowed_file_roots()):
         abort(403)
     if not resolved.exists():
         abort(404)

患者列表处理/人工复核网页端/docker-compose.yml

@@ -12,8 +12,10 @@ services:
       WORKSPACE_ROOT: /workspace
       REVIEW_APP_HOST: 0.0.0.0
       REVIEW_APP_PORT: 8000
+      REVIEW_ALLOWED_PATH_ROOTS: ${HIS_LIST_DATA_ROOT:-/data/his-list-images}
     ports:
       - "${REVIEW_APP_PORT:-8090}:8000"
     volumes:
       - ..:/workspace
+      - ${HIS_LIST_DATA_ROOT:-../待处理-患者目录图片集群}:${HIS_LIST_DATA_ROOT:-/data/his-list-images}:ro
     restart: unless-stopped

患者列表处理/工作流_Gitea版.md

@@ -1,202 +0,0 @@
-# HIS 患者列表 OCR 归档工作流
-
-这是可提交到 Gitea 的无密钥版本。不要在本文件中写入腾讯云密钥、数据库密码、Gitea 密码或患者处理结果。
-
-## 目标
-
-把 HIS 患者列表截图整理为结构化患者记录，并同步到 PostgreSQL 的 `"Patient_Lists"` 单表。
-
-最终数据库只保留正式查看和追溯需要的信息：
-
-- 数据定位：`batch_name`、`source_folder`、`image_path`、`image_name`、`image_row_no`
-- 科室信息：`major_department`、`sub_department`
-- 患者信息：姓名、性别、年龄、住院号、诊断、入院时间、最后书写时间、住院天数、出院时间、手术后天数
-- 复核信息：`review_status`、`review_notes`、`manual_corrected`
-
-OCR 请求号、OCR 缓存路径、拼接图路径、拼接组号等中间态字段不进入数据库正式表。
-
-## 目录结构
-
-- `待处理-患者目录图片集群/`：尚未处理的 HIS 图片批次。
-- `已处理-患者目录图片集群/`：已经完成处理的原始图片批次。
-- `数据处理工作区/`：程序、科室规则、数据库结构、说明文档。
-- `数据处理结果区/已处理-患者目录图片集群/`：各批次本地处理结果。
-- `数据处理结果区/信息记录/`：全局信息记录、批次汇总、待处理盘点等。
-
-仓库只提交程序和文档。图片、OCR 缓存、处理结果、人工修正数据都应被 `.gitignore` 排除。
-
-## 关键文件
-
-1. `数据处理工作区/01_科室分类规则.json`
-2. `数据处理工作区/02_患者列表OCR归档.py`
-3. `数据处理工作区/03_人工复核修正.template.json`
-4. `数据处理工作区/04_合并批次结果.py`
-5. `数据处理工作区/05_同步PostgreSQL单表.py`
-6. `数据处理工作区/06_PostgreSQL建表结构.sql`
-7. `数据处理工作区/07_处理程序说明.md`
-8. `数据处理工作区/08_PostgreSQL调整Patient_Lists列顺序.sql`
-
-本地实际使用时，可以从模板复制出 `数据处理工作区/03_人工复核修正.json`。这个文件可能包含患者信息，不提交到 Git。
-
-患者列表字段顺序固定为：姓名、性别、年龄、住院号、诊断、入院时间、最后书写时间、住院天数、出院时间、手术后天数。
-
-## 处理前准备
-
-安装依赖：
-
-```bash
-python3 -m pip install pillow
-psql --version
-```
-
-设置腾讯云 OCR 环境变量：
-
-```bash
-export TENCENTCLOUD_SECRET_ID='填入腾讯云 SecretId'
-export TENCENTCLOUD_SECRET_KEY='填入腾讯云 SecretKey'
-```
-
-OCR 接口使用腾讯云 `RecognizeTableAccurateOCR` 表格识别 V3：
-
-- 表格识别 V3 文档：https://cloud.tencent.com/document/product/866/86721
-
-## 处理一个批次
-
-示例批次名用 `批次文件夹名` 表示：
-
-```bash
-python3 数据处理工作区/02_患者列表OCR归档.py \
-  --input "待处理-患者目录图片集群/批次文件夹名" \
-  --output "数据处理结果区/已处理-患者目录图片集群/批次文件夹名-列表归档结果" \
-  --ocr-engine table-v3 \
-  --batch-size 6 \
-  --image-padding-y 24 \
-  --workers 1 \
-  --folder-workers 2 \
-  --timeout 90 \
-  --max-retries 1
-```
-
-推荐正式处理优先使用 `--batch-size 6`。程序会根据行数校验和接口错误自动降到 4/3/2/单张；降档会增加调用次数，但能降低漏行风险。
-
-处理完成后检查：
-
-- `患者列表_结构化.json`
-- `患者列表_记录.csv`
-- `复核报告.json`
-- `重复住院号报告.json`
-- `信息记录/汇总.json`
-
-## 复核规则
-
-推荐使用 Docker 化网页端进行复核和抽查：
-
-```bash
-cd 人工复核网页端
-docker compose up -d --build
-```
-
-网页端包含概览、复核、抽查、设置四个区域；抽查功能使用 Kimi 多模态模型，配置项通过 `.env` 或网页端设置页提供，不在 Gitea 文档中保存密钥。
-
-`review_status` 常见值：
-
-- `自动复核通过`：OCR 结果经过程序规则校验后没有发现明显异常，`manual_corrected=false`。
-- `人工复核通过`：该行命中了 `03_人工复核修正.json` 中的人工修正项，修正后校验通过，`manual_corrected=true`。
-- `需人工复核`：程序无法可靠判断，需要人工查看图片和记录，原因写在 `review_notes`。
-
-`出院时间` 允许为空；若填写出院时间，则需要满足标准时间格式，且不应早于入院时间。PostgreSQL 约束会阻止“入院时间晚于出院时间”却仍被标记为通过的记录。
-
-人工修正流程：
-
-1. 打开该批次的 `复核报告.json`。
-2. 根据 `图片路径` 和 `图片内行号` 回看原图。
-3. 把确认后的患者字段写入 `数据处理工作区/03_人工复核修正.json`。
-4. 使用缓存重建批次：
-
-```bash
-python3 数据处理工作区/02_患者列表OCR归档.py \
-  --input "待处理-患者目录图片集群/批次文件夹名" \
-  --output "数据处理结果区/已处理-患者目录图片集群/批次文件夹名-列表归档结果" \
-  --ocr-engine table-v3 \
-  --batch-size 6 \
-  --image-padding-y 24 \
-  --workers 1 \
-  --folder-workers 2 \
-  --rebuild-from-cache
-```
-
-## 合并所有批次
-
-```bash
-python3 数据处理工作区/04_合并批次结果.py
-```
-
-输出包括：
-
-- `数据处理结果区/合并_患者列表_结构化.json`
-- `数据处理结果区/合并_患者列表_记录.csv`
-- `数据处理结果区/信息记录/全局汇总.json`
-- `数据处理结果区/信息记录/批次汇总.csv`
-- `数据处理结果区/信息记录/重复住院号报告.json`
-
-## 同步 PostgreSQL
-
-设置数据库环境变量：
-
-```bash
-export HIS_DB_HOST='数据库主机'
-export HIS_DB_PORT='5432'
-export HIS_DB_NAME='DB_NAME'
-export HIS_DB_USER='DB_USER'
-export HIS_DB_PASSWORD='填入数据库密码'
-```
-
-同步：
-
-```bash
-python3 数据处理工作区/05_同步PostgreSQL单表.py
-```
-
-核对：
-
-```sql
-SELECT count(*) FROM "Patient_Lists";
-SELECT review_status, manual_corrected, count(*) FROM "Patient_Lists" GROUP BY review_status, manual_corrected;
-SELECT inpatient_no FROM "Patient_Lists" GROUP BY inpatient_no HAVING count(*) > 1;
-```
-
-`"Patient_Lists"` 是带大小写的 PostgreSQL 表名，查询时必须加双引号。
-
-## 处理完成后
-
-确认批次结果和数据库无误后，将原始图片批次移动到：
-
-```bash
-mv "待处理-患者目录图片集群/批次文件夹名" "已处理-患者目录图片集群/"
-```
-
-## Gitea 提交
-
-仓库地址：
-
-```text
-https://gitea.huijutec.cn/admin/HIS_List.git
-```
-
-提交前检查不要包含数据和密钥：
-
-```bash
-git status --short --ignored
-git diff --cached --name-only
-grep -R "Secret\\|PASSWORD\\|密码" -n README.md 数据处理工作区 --exclude-dir='__pycache__' || true
-```
-
-提交：
-
-```bash
-git add .gitignore .env.example README.md 工作流_Gitea版.md 人工复核网页端 数据处理工作区/01_科室分类规则.json 数据处理工作区/02_患者列表OCR归档.py 数据处理工作区/03_人工复核修正.template.json 数据处理工作区/04_合并批次结果.py 数据处理工作区/05_同步PostgreSQL单表.py 数据处理工作区/06_PostgreSQL建表结构.sql 数据处理工作区/07_处理程序说明.md 数据处理工作区/08_PostgreSQL调整Patient_Lists列顺序.sql
-git commit -m "Update HIS patient list workflow"
-git push origin main
-```
-
-如果本地 `origin` 没有保存认证信息，需要使用一次性认证或交互式登录，但不要把密码写入文档或 Git 配置。