Initial commit

2026-07-29 15:00:45 +03:00
commit ad5e4e7d33
21 changed files with 5792 additions and 0 deletions
@@ -0,0 +1,87 @@
+# Извлечённое содержимое `Myasko_Energative.docx`
+
+Источник: `../Myasko_Energative.docx` (508 944 байт), экспорт чата с ИИ по проекту
+аддона «Энергатив» для Minecraft-мода HBM's Nuclear Tech.
+
+## Что где
+
+| Путь | Что это |
+|---|---|
+| `Myasko_Energative.md` | **Основной файл.** Markdown со восстановленной структурой: таблицы, ASCII-диаграммы, код, списки, заголовки, ссылки. 3508 строк. |
+| `text.txt` | Плоский дамп: один абзац документа = одна строка, без форматирования. 2153 абзаца, 307 563 символа. Нужен для diff'ов и поиска. |
+| `images/` | 16 изображений, извлечённых без перекодирования (байт-в-байт как в docx). |
+| `images/index.tsv` | Соответствие: порядок в тексте → имя файла → исходное имя в архиве → размер. |
+
+## Что было в документе (и как это попало в Markdown)
+
+| В docx | В `.md` |
+|---|---|
+| 3 таблицы Word (6×3, 7×5, 9×6) | GFM-таблицы; многоабзацные ячейки склеены через `<br>` |
+| 12 преформатированных блоков | fenced-блоки: 8 ASCII-диаграмм + 4 листинга (`json`, `java`) |
+| 813 элементов списков (`numbering.xml`) | `-` / `1.`, вложенность по `w:ilvl` |
+| 2820 полужирных / 193 курсивных прогона | `**` / `*` |
+| 409 абзацев целиком полужирных | `###` (или `####`, если оканчивается на `:`) |
+| 31 гиперссылка (сноски `[1, 2]`) | `[1](url)` |
+| 38 формул LaTeX `\(...\)` | `$...$` |
+| 66 реплик пользователя | `## 👤 …` + текст запроса цитатой |
+| 2 блока веб-источников | цитата `> **Источники: N сайтов**` |
+| 16 картинок | `![NNN](images/NNN_name.ext)` |
+
+### ASCII-диаграммы
+
+Их 8 — это именно то, что в чате выглядело как схемы. Например цикл синтеза
+энергативов (`Myasko_Energative.md`, ~строка 2025) и слоёная структура защитного
+костюма (~строка 3443). Внутри fenced-блока отступы сохранены посимвольно,
+выравнивание не поехало. **Векторных диаграмм (SmartArt, DrawingML charts) в документе нет** — в
+`word/media/` только растр, и все 16 файлов извлечены.
+
+## Точность преобразования
+
+Сверка по словам между `text.txt` и `.md`: расхождение −969 токенов, которое
+раскладывается ровно на осознанно выброшенный служебный мусор экспорта:
+
+| Выброшено | Токенов |
+|---|---|
+| 34 дублирующих повтора реплики пользователя (экспорт печатает текст запроса дважды подряд) | 947 |
+| 4 × `Используйте код с осторожностью.` (подпись под листингами) | 16 |
+| 4 метки языка перед листингами (`json`, `java`) — стали info-string у ``` | 4 |
+| 2 × `Показать все` (кнопка под блоком источников) | 4 |
+| **Добавлено:** 2 × слово «Источники» в заголовке блока цитат | −2 |
+
+Итог 971 − 2 = 969. Непреднамеренных потерь текста нет.
+
+Оговорка: экспорт повторяет реплику пользователя только в первой половине
+документа (34 раза из 66). В остальных случаях текст запроса есть лишь в самой
+строке-маркере, поэтому конвертер всегда берёт его оттуда — иначе 32 запроса
+потерялись бы.
+
+## Формат `text.txt`
+
+Позиции картинок помечены встроенным маркером:
+
+```
+[[image: 008 (image8.jpeg)]]
+```
+
+Номер соответствует префиксу файла в `images/`. Два изображения переиспользуются
+в документе несколько раз (`image5.png` — 3 раза, `image14.png` — 2 раза), поэтому
+маркеров больше, чем файлов.
+
+## Содержательные vs. служебные картинки
+
+Из 16 файлов реальный контент несут три (остальное — иконки и favicon'ы блока
+«источники» из веб-поиска, 260–3700 байт):
+
+- `008_image8.jpeg` — скриншот ракеты Н-1 в натуральную величину, Minecraft 1.18.2
+- `015_image15.png` — жёлтый круглый предупреждающий знак с тессерактом
+- `016_image16.png` — тот же знак, красный треугольный вариант
+
+## Как воспроизвести
+
+```bash
+python _tools/extract_docx.py Myasko_Energative.docx extracted
+```
+
+```bash
+python _tools/docx_to_md.py Myasko_Energative.docx extracted/Myasko_Energative.md --img-dir images
+```