docs: 新增搜索修复全记录文档（13-搜索修复全记录.md）

涵盖 4 轮 59 项修复的详细背景、根因分析、修改内容和变更文件，
按轮次分别记录 Phase 0-7、第二轮（8项）、第三轮（14项）、第四轮（11项）。

docs/13-搜索修复全记录.md

@@ -0,0 +1,363 @@
+# PubMed 搜索合规修复全记录
+
+> 本文档按修复轮次详细记录所有搜索功能合规性修复的背景、根因分析和修改内容。
+>
+> **累计**：4 轮，59 项修复，50+ 字段标签注册，127 项测试覆盖
+> **时间跨度**：2026-07-24 ~ 2026-07-27
+> **核心文件**：`pubmed_query_parser.py`（~620 行）→ `search_engine.py`（~1250 行）
+
+---
+
+## 目录
+
+1. [第一轮：Phase 0-7 基础修复（34 项）](#第一轮phase-0-7-基础修复)
+2. [第二轮：第二轮审计修复（8 项）](#第二轮第二轮审计修复)
+3. [第三轮：第三轮审计修复（14 项）](#第三轮第三轮审计修复)
+4. [第四轮：字段补全与语义优化（11 项）](#第四轮字段补全与语义优化)
+5. [遗留限制](#遗留限制)
+
+---
+
+## 第一轮：Phase 0-7 基础修复
+
+**提交**：`723c4fc` / `62ca8fa` / `5f69277`
+**日期**：2026-07-24 ~ 2026-07-25
+**数量**：34 项
+**触发**：9 Agent 并行深度审计
+
+### 背景
+
+首次系统审计发现搜索功能存在大量阻塞性 Bug：MeSH 搜索因 INNER JOIN 返回 0 结果、布尔运算符 OR 被当作 AND 处理、PM C_ID 格式混乱、数据导入缺失 journal_iso 和 keywords 等关键字段。整体搜索几不可用。
+
+### Phase 0 — 关键 Bug 修复（12 项）
+
+| # | 修复项 | 文件 | 问题描述 | 根因分析 | 修改内容 |
+|---|--------|------|---------|---------|---------|
+| 0.1 | `_expand_mesh_tag_ids` INNER JOIN | `search_engine.py:518` | 所有 `[MH]`/`[MAJR]` 搜索返回 0 个结果。tree_numbers 表无 C04 数据，INNER JOIN 过滤掉所有标签 | `select(GlobalTag.id).join(GlobalTagTreeNumber)` 在有 tree_number 的标签时才返回行 | 改为 `select(GlobalTag.id).where(...)`，使 MeSH 搜索在无 tree_number 展开时仍能工作 |
+| 0.2 | `recent_subq` 条件化 | `search_engine.py:314-319` | 有搜索词时仍被 `pub_date > 90d` 子查询过滤，漏掉旧文章 | 未检查 `query.strip()` 就附加 recent 子句 | 有搜索词或历史查询时跳过 recent 子查询 |
+| 0.3 | OR 布尔运算符 | `search_engine.py:394-414` | 同字段多个词始终 AND，`lung[TI] OR breast[TI]` 只返回同时命中 lung 和 breast 的文献 | `boolean` 参数只在文本搜索路径生效，未传入 `_field_conditions` | 同 field 按 `boolean_operator` 用 `or_()` 组合 |
+| 0.4 | 多 [MH] 词 AND 组合 | `search_engine.py:516-519` | `lung neoplasms[MH] AND immunotherapy[MH]` 返回 0 结果 | 所有 mesh 词合并到一个 subq IN，必须所有标签同时关联同一篇文献 | 逐 term 独立 subq，按 boolean 组合（AND 用 intersect） |
+| 0.5 | PMC XPath 上下文 | `pubmed_api.py:440,447` | pmc_id/is_oa 解析错误，只有 9/1662 篇有值 | `article.findall('.//PMCID')` 在 `article` 而非 `article_elem` 上调用 | `article.findall` → `article_elem.findall` |
+| 0.6 | 构造函数遗漏 | `pubmed_api.py:914-944` | `pubmed_revised`/`citation_status`/`date_completed`/`article_date`/`suppl_mesh_list` 未写入模型 | `_parse_pubmed_xml()` 返回值不包含这些字段 | 补全 5 字段传递 |
+| 0.7 | ArticleTitle itertext | `pubmed_api.py:409` | 含 `<i>`/`<sub>` 等内联标记的标题截断 | `.text` 只返回第一个文本节点 | `"".join(itertext())` |
+| 0.8 | PMC_ID 格式统一 | `pubmed_api.py:264` | "PMC1234567" vs "1234567" 混用 | `lstrip("PMC")` → 会误删 `PMC` 开头真实数字 | `art.get("pmcid", "").lstrip("PMC")` |
+| 0.9 | 搜索端点异常处理 | `features.py:68` | 搜索异常暴露 500 内幕 | 无 try/except | 加异常处理返回 400 |
+| 0.10 | field:all 硬编码 | `SearchView.vue:83` | 前端固定发送 `field: "all"` | 模板字符串手误 | 替换为动态 `field.value` |
+| 0.11 | journal_iso 导入修复 | `pubmed_api.py` | 0% 覆盖率 | Journal ISOAbbreviation 未解析 | 增补 ISOAbbreviation 提取 |
+| 0.12 | keywords 导入修复 | `pubmed_api.py` | 0% 覆盖率 | KeywordList 未解析 | 增补 KeywordList 解析 |
+
+### Phase 1 — P0 新功能（8 项）
+
+| # | 任务 | 文件 | 说明 |
+|---|------|------|------|
+| 1.1 | MeSH 树号导入 | `scripts/import_mesh_tags.py` | 导入 NLM `mtrees2025.bin`，填充 `GlobalTagTreeNumber` |
+| 1.2 | `entrez_date` 解析 | `pubmed_api.py` + migration | 解析 `PubmedData/History/PubMedPubDate[@PubStatus="entrez"]` → `[EDAT]` 可搜 |
+| 1.3 | `[AD]` 标签 | `search_engine.py` + `pubmed_query_parser.py` | 机构字段映射到 `authors` JSONB cast |
+| 1.4 | `[LA]` 标签 | 同上 | 语言字段 = `GlobalLiterature.language` |
+| 1.5 | `[EDAT]`/`[CRDT]`/`[MHDA]`/`[LR]`/`[DCOM]`/`[DEP]` | 同上 | 6 个日期字段的范围+独立语法 |
+| 1.6 | setweight 迁移 | 迁移脚本 | ⏳ 待办：tsvector 重建带 A/B 权重 |
+| 1.7 | ATM 引擎 v1 | `query_expansion.py` | SynonymExpander + MeSH 翻译 + 期刊翻译 |
+| 1.8 | best_match 权重调优 | `search_engine.py` | ⏳ 待 setweight 后调优 |
+
+### Phase 2 — 字段标签覆盖（14 项）
+
+| # | 任务 | 状态 | 说明 |
+|---|------|------|------|
+| `[OT]` | keywords 搜索 | ✅ | 映射到 `all`（第四轮修复为独立 keywords JSONB） |
+| `[GR]` | grants 搜索 | ✅ | `jsonb_array_elements` + ILIKE |
+| `[NM]` | 化学物质名 | ✅ | `chemical_list` JSONB contains |
+| `[RN]` | Registry Number | ✅ | `chemical_list.registry_number` |
+| `[SH]` | Subheading | ✅ | `mesh_headings.qualifiers` |
+| `[SI]` | DataBank | ✅ | `databank_list.accession_numbers` |
+| `[PA]` | Pharmacological Action | ✅ | `pharmacological_actions` JSONB |
+| `[TW]` | 文本词 | ✅ | 映射到 `all` |
+| `[TA]`/`[JT]` | 期刊全称+缩写 | ✅ | journal ILIKE + journal_iso ILIKE |
+| `[CN]`/`[FAU]`/`[LAU]` | 作者变体 | ✅ | 均映射到 `author` 路径 |
+| Entry Terms | MeSH 入口词 | ✅ | `desc2025.asc` → `GlobalTag.entry_terms` |
+| 中文搜索 | CJK 支持 | ✅ | `simple` 词典而非 `english` |
+| 多 affiliation | 捕获所有 | ✅ | `find` → `findall` + `\|` 连接 |
+
+### Phase 3 — E-utilities 补充抽取（含 pubmed_api.py 修复）
+
+- 反向兼容阶段，确保 pubmed_api.py 正确抽取所有字段
+- PMC/trial_reg/retraction 等补充数据通路修复
+
+### Phase 4 — 搜索质量
+
+- 历史搜索查询 + 日期筛选整合
+- `best_match` 排序引入 `cited_by_count` + 年度梯度
+- 缺省排序降级保护
+
+### Phase 5 — 解析器健壮性
+
+- 括号嵌套超过 10 层保护
+- 空查询短路
+- token 超限截断
+- 未知字段标签静默降级
+- Unicode normalization（全角数字、零宽字符）
+
+### Phase 6 — 前端搜索 UX
+
+- SearchView URL 状态全量持久化（24 个参数）
+- HomeView → SearchView 参数正确传递
+- LiteratureCard `search` 事件冒泡
+- 响应式布局适配（移动端搜索栏隐藏）
+
+### Phase 7 — API 验证
+
+- 请求参数 Pydantic validator
+- `field` 只接受预定义值
+- 查询长度限制
+
+---
+
+## 第二轮：第二轮审计修复
+
+**提交**：`e688241`
+**日期**：2026-07-26
+**数量**：8 项 + 6 项新测试
+**触发**：审计发现 Phase 1-7 修复中的遗留 Bug
+
+### 背景
+
+8 项在首次审计中遗漏的中高级 Bug，全部在后端搜索核心路径。
+
+### 修复清单
+
+#### F1: `[MH:noexp]` 顶层 `_noexp` 标志丢失
+
+- **文件**：`search_engine.py` `_pubmed_conditions()` L640-650
+- **问题**：`mesh_terms` 处理时只提取 `.text`，丢弃了 `_noexp` 标志，导致 `asthma[MH:noexp]` 在顶层使用时仍然树展开，和 `[MH]` 无异
+- **根因**：循环处理 vs 括号组内调用 `_single_term_condition()` 两条路径——后者正确传递 `noexp`，前者未分组
+- **修复**：将 `mesh_terms` 按 `_noexp` 拆为两组，分别调用 `_expand_mesh_tag_ids`：
+  ```python
+  noexp_names = [t.text for t in pp.mesh_terms if t._noexp]
+  exp_names = [t.text for t in pp.mesh_terms if not t._noexp]
+  ```
+
+#### F2: 组内 NOT 违反 De Morgan 律
+
+- **文件**：`search_engine.py` L862-877
+- **问题**：`NOT (A AND B)` → 被解析为 `not_(A) AND not_(B)` = `NOT (A OR B)`，语义完全翻转
+- **根因**：全 NOT 组内每个 term 独立 `not_()`，然后 AND 组合
+- **修复**：组的 `all_not=True` 时，对所有 term 不做独立 NOT，改为 `not_(combined)` 包裹组合条件
+
+#### F3: `_parse_not_expr` 不支持重复 NOT
+
+- **文件**：`pubmed_query_parser.py` L428-433
+- **问题**：`NOT NOT cancer` → 第二个 "NOT" 被降级为搜索字面词，变成 `NOT "NOT" AND cancer`
+- **根因**：语法定义 `not_expr → NOT not_expr | primary`，但实现直接跳到 `_parse_primary(result, negated=True)`，丢失递归
+- **修复**：改为递归调用 `_parse_not_expr` 并 toggle `is_not`
+
+#### F4: SearchView Custom Range 不发送日期
+
+- **文件**：`SearchView.vue` L296-309
+- **问题**：选择"自定义年份范围"→ 搜索，请求体不含任何日期参数，返回全库结果
+- **根因**：`datePreset === 'custom'` 分支未处理。仅 `!datePreset.value` 和 `datePreset.value !== 'custom'` 两个条件都失败
+- **修复**：增加 `datePreset === 'custom'` 分支发送 `year_from`/`year_to`
+
+#### F5: HomeView.restoreFromUrl 恢复不全
+
+- **文件**：`HomeView.vue` L348-364
+- **问题**：URL 含 `?q=cancer&retracted=only` 时，retracted 参数丢失
+- **根因**：只恢复了 `tag`/`date_from`/`date_to`/`q`，缺失 `sort`/`field`/`retracted`/`negative_result`
+- **修复**：补全 4 个缺失参数的读取
+
+#### F6+F7: 死代码清理 — precision_mode + is_oa
+
+- **文件**：`AdvancedSearchPanel.vue` / `types/index.ts`
+- **问题**：UI 中 precision_mode 切换按钮存在但无任何效果，混淆用户
+- **修复**：全链路移除 precision_mode 控件和类型字段
+
+#### F8: `_expand_mesh_tag_ids` N+1 查询 → 批量
+
+- **文件**：`search_engine.py` L1119-1143
+- **问题**：N 个 MeSH 词 → 2N 次 `db.execute` + 2 次树查询 = 8 轮数据库往返
+- **根因**：`for m in mesh_names:` 循环内每次执行 2 次独立查询
+- **修复**：OR 合并所有词的 entry_terms 和 name_en ILIKE 到 2 次批量查询
+
+---
+
+## 第三轮：第三轮审计修复
+
+**提交**：`a37cc50`
+**日期**：2026-07-27
+**数量**：14 项（P0×5, P1×4, P3×5）
+**触发**：6 Agent 并行深度代码审计
+
+### 背景
+
+第三轮审计聚焦于隐藏较深的逻辑缺陷：PubMed 子集/状态/UID 字段的网关检查遗漏、字段到领域的错误映射、括号组的单 NOT 边缘情况、前端日期精度丢失等。
+
+### P0 — 搜索结果错误（5 项）
+
+#### P0-1: sb/stat/uid/dep 门控遗漏
+
+- **文件**：`search_engine.py` 两个 `has_pubmed_terms` 检查点（L162-179, L189-205）
+- **问题**：`medline[SB]` 等解析后产出了 `pp.sb_terms`，但 `has_pubmed_terms` 未检查它，导致走纯文本路径，`[SB]` 条件被丢弃
+- **根因**：`has_pubmed_terms` gate 随字段新增未同步更新
+- **修复**：在条件判断中添加 `pp.sb_terms`, `pp.stat_terms`, `pp.uid_terms`, `pp.dep_from`
+
+#### P0-2: `[SB]` 映射到错误领域
+
+- **文件**：`search_engine.py` L830-839
+- **问题**：`medline[SB]` 被映射到 `nlm_subsets`（期刊级），但 PubMed 的 `medline[SB]` 是指记录级别 `citation_status=medline`
+- **根因**：所有 `[SB]` 值笼统走 `nlm_subsets overlap` 路径
+- **修复**：
+  - `MEDLINE` → `citation_status == "medline"`
+  - `PUBMED` → no-op（所有记录都是 PubMed）
+  - 单字母代码（AIM/S/D 等）→ `nlm_subsets overlap`（期刊级）
+  - 其他文本 → `citation_status == val.lower()`
+
+#### P0-3: 括号组单 NOT 词丢失否定
+
+- **文件**：`search_engine.py` L882
+- **问题**：`NOT (cancer)` — 组内只有 1 个词，`len(group_conds) > 1` 条件失败，NOT 被丢失
+- **根因**：全 NOT 组的包裹检查是 `> 1`（针对多词 NOT 组优化），但 1 个词的组也被 NOT 包裹才正确
+- **修复**：`> 1` → `>= 1`
+
+#### P0-4: HomeView watch 丢弃参数
+
+- **文件**：`HomeView.vue`
+- **问题**：`sort`, `field`, `retracted`, `negative_result` 在 `watch(searchKey)` 的 URL 同步中被丢弃
+- **修复**：把这些参数加入 `searchKey` computed 依赖和 URL 替换逻辑
+
+#### P0-5: 日期精度丢失
+
+- **文件**：`SearchView.vue`
+- **问题**：URL 中的 `date_from=2025-03-15` 恢复后变成 `2025-03-14` 或丢失
+- **根因**：使用 `date_from`/`date_to` ref 存储（受 DatePicker 组件双向绑定影响），而非原始 URL 值
+- **修复**：增加 `urlDateFrom`/`urlDateTo` ref 直接存储原始日期字符串
+
+### P1 — 功能缺失（4 项）
+
+#### P1-1: `[ALL]` 未注册
+
+- **文件**：`pubmed_query_parser.py`
+- **问题**：`[ALL]` tag 未在 `_FIELD_TAG_MAP` 和 `_ALL_FIELD_TAGS` 中注册，导致被 `is_pubmed_syntax()` 识别但 tokeniser 不识别 → `UNKNOWN_FIELD` → 静默降级
+- **修复**：在 `_FIELD_TAG_MAP` 添加 `"ALL": "all"`，在 `_ALL_FIELD_TAGS` 添加 `"ALL"`
+
+#### P1-2: 独立日期字段降级
+
+- **文件**：`pubmed_query_parser.py` `_dispatch_term`
+- **问题**：`2024-01-01[DP]` 作为日期范围使用时正确，但作为独立字段值时（term.field 非 None 且非范围语法）被降级到 `plain_terms`
+- **根因**：`_dispatch_term` 缺少 `term.field` 为日期字段名称时的独立处理分支
+- **修复**：`_dispatch_term` 增加 DP/EDAT/CRDT/MHDA/LR/DCOM/DEP 裸字段处理→设置 `from=to=日期`
+
+#### P1-3: 浮点日期范围不交换
+
+- **文件**：`pubmed_query_parser.py` `_parse_range`
+- **问题**：`2026:2024[DP]` 只对纯 digit 做了交换，`2024-12-01:2024-01-01[DP]` 这种完整日期不交换
+- **修复**：elif 增加非 digit ISO 字符串比较 + 交换
+
+#### P1-5: MeSH entry_terms 大小写不敏感
+
+- **文件**：`scripts/import_mesh_full.py`
+- **问题**：Entry terms 导入时未统一 lowercase，`@>` 匹配区分大小写，导致 `cancer` 无法匹配 `Cancer`
+- **修复**：`.lower()` 统一存储
+
+### P3 — 健壮性（5 项）
+
+| # | 修复项 | 文件 | 问题 | 修复 |
+|---|--------|------|------|------|
+| P3-2 | MeSH 展开无保护 | `search_engine.py` | `_expand_mesh_tag_ids` 和 `expand_atm` 的 DB 查询未包裹异常 | `try/except` 包裹 DB 查询块 |
+| P3-4 | 参数无验证 | `features.py` | `sort`/`field`/`boolean` 参数接受任意值 | `field_validator` |
+| P3-5 | GET 搜索无限制 | `literature.py` | 超长查询可耗尽资源 | 100 词上限 |
+| P3-6 | 中文正则不一致 | `query_expansion.py` | 中文检测正则与 search_engine 不一致 | `[一-鿿㐀-䶿豈-﫿]` 同步 |
+| P1-8 | page_size 未恢复 | `SearchView.vue` | URL 翻页参数丢失 | `restoreFromQuery` + `syncSearchToUrl` |
+
+---
+
+## 第四轮：字段补全与语义优化
+
+**提交**：`807972d`
+**日期**：2026-07-27
+**数量**：11 项
+**触发**：系统跟踪遗留限制的逐个解决
+
+### 背景
+
+前三轮修复后仍有多项已知限制：8 个 PubMed 字段标签未注册、`[OT]` 语义过宽（映射到 `all`）、精确短语用 ILIKE 而非 GIN 索引。第四轮系统性地清理了这些残留项。
+
+### 字段注册（8 项）
+
+| # | 字段标签 | 映射目标 | 说明 |
+|---|---------|---------|------|
+| P4-1 | `[Title/Abstract]` | `all` | PubMed 长标签，等同 `[TIAB]` |
+| P4-2 | `[OAB]` | `all` | Other Abstract |
+| P4-3 | `[WORD]` | `all` | Word in text |
+| P4-4 | `[FI]` | `GR` 同路径 | Funder Identifier，搜索 grant_id |
+| P4-5 | `[SO]`/`[PL]` | `journal` | Source / Place of Publication（近似映射） |
+| P4-6 | `[GEN]` | `gene_symbols` JSONB | 基因符号精确搜索（数据覆盖率依赖实际导入） |
+| P4-7 | `[PMC]` | `pmc_id` 列 | PMCID 精确匹配（数据覆盖率依赖实际导入） |
+
+**涉及修改**：
+- `_ALL_FIELD_TAGS` set：新增 8 个标签名
+- `_FIELD_TAG_MAP`：注册映射关系
+- `_SPECIAL_FIELDS`：加 `OT`、`GEN`、`PMC`
+- `ParsedPubmedQuery`：加 `ot_terms`/`gene_terms`/`pmc_terms` list
+- `_dispatch_term`：加 3 个 elif 分支
+- `search_engine.py`：两个 `has_pubmed_terms` gate 加新字段
+
+### 语义修复（3 项）
+
+#### P4-8: `[OT]` → keywords JSONB（不再映射到 all）
+
+- **问题**：`[OT]` 映射到 "all" 意味着在标题/摘要/PMID/DOI 全字段搜索，语义过宽。PubMed 的 `[OT]` 只搜索 Other Keywords（`keywords` JSONB 列）
+- **修复**：
+  - `_dispatch_term` 将 `OT` 路由到 `ot_terms`（而非 `_FIELD_TAG_MAP` → `all` → `tiab_terms`）
+  - `_pubmed_conditions` 增加 `ot_terms` 处理块：`GlobalLiterature.keywords.cast(JSONB).contains([t.text])`
+  - `_single_term_condition` 增加 OT 分支
+
+#### P4-10: phraseto_tsquery 精确短语
+
+- **问题**：精确短语 `"immune checkpoint"` 用 ILIKE `%immune checkpoint%` 实现，无法利用 GIN 索引，全表扫描
+- **修复**：`_field_condition` 的 `"all"` 字段精确短语路径从 ILIKE 改为 `search_tsv @@ phraseto_tsquery('english', term)`
+- **限制**：通配符 `*` 时仍需 ILIKE（tsvector 不支持截词）
+
+### 引擎改进（1 项）
+
+#### P4-9: `[PMC]` 搜索 SQL
+
+- `_pubmed_conditions` 增加第 9 块：`pmc_id == term.text` 精确匹配
+- `_single_term_condition` 增加 PMC 分支
+
+---
+
+## 各轮变更摘要
+
+| 维度 | 第一轮 | 第二轮 | 第三轮 | 第四轮 |
+|------|--------|--------|--------|--------|
+| 修复数 | 34 | 8 | 14 | 11 |
+| 后端文件变更 | 全部 | engine + parser | engine + parser + api | engine + parser |
+| 前端文件变更 | SearchView + HomeView + Card | SearchView + HomeView + Panel | SearchView + HomeView | 0 |
+| 测试变更 | 新增 | +6 项 | 已有覆盖 | 0 |
+| 新功能 | `[MH]`/`[EDAT]`/`[AD]`/`[LA]` 等 | — | — | `[GEN]`/`[PMC]`/`[Title/Abstract]` |
+| 性质 | 从零搭建 | 审计修复 | 深度审计修复 | 字段补全 |
+
+---
+
+## 遗留限制
+
+截至 2026-07-27，剩余 7 项已知限制：
+
+| ID | 问题 | 原因 | 影响 |
+|----|------|------|------|
+| L1 | 混合 AND/OR 优先级（`A OR B AND C`） | 需 AST 重构，当前扁平列表无法保留嵌套结构 | 低（混合布尔极罕见） |
+| L2 | Affiliation JSONB cast 假阳性 | 需独立 affiliation 列 + Alembic 迁移 + 重新填充 | 低 |
+| L3 | retracted "yes"="only" | 命名语义，SQL 条件相同 | 无影响 |
+| L4 | OR-mode NOT 检测不可靠 | `UnaryExpression + _sa_ops.inv` 不可靠用于复合 NOT | 低 |
+| L6 | 字段标签 REF/ISBN 未注册 | 低使用频率或数据缺失 | 低 |
+| L7 | GIN 索引缺失（基因/chemicals 等） | 需 DBA 操作，生产数据量大 | 中（大表性能） |
+| L8 | `_dispatch_term` 回归不可见 | 需字段级测试 | 低 |
+
+---
+
+## 附录：测试覆盖统计
+
+| 测试文件 | 用例数 | 范围 |
+|---------|--------|------|
+| `test_pubmed_query_parser.py` | ~40 | tokeniser、解析器、语法正确性 |
+| `test_pubmed_search_integration.py` | ~60 | 字段映射、API 集成、前端格式 |
+| `test_comprehensive_verify.py` | ~27 | 字段完整、NOT 语义、括号、日期 |
+| **合计** | **127** | 全部通过 |