From 405191bab355d4484292880d3d2b9502080f1ba6 Mon Sep 17 00:00:00 2001 From: youpaishidifu Date: Thu, 30 Jul 2026 17:17:30 +0800 Subject: [PATCH] =?UTF-8?q?fix:=20=E5=A2=9E=E5=BC=BA=E5=81=8F=E6=97=81?= =?UTF-8?q?=E7=A2=8E=E7=89=87=E8=BF=87=E6=BB=A4=20+=20=E7=B3=BB=E7=BB=9F?= =?UTF-8?q?=E9=85=8D=E7=BD=AE=E5=86=85=E5=AE=B9=E8=BF=87=E6=BB=A4?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit 1. 偏旁碎片过滤增强： - 去掉长度限制（原≤20字），只要包含CJK偏旁(U+2E80-U+2FDF)且偏旁数>=CJK完整字数就过滤 - 覆盖OCR把'件'拆成'亻牛'等更长碎片的情况 2. 系统配置内容过滤（新增）： - 检测包含@example、smtp、.py/.bat/.sh等特征的行，判定为系统配置内容 - 检测邮件地址格式（user@domain.tld），判定为SMTP配置片段 - 防止OCR截屏截到代码编辑器/终端内容被当用户消息处理 3. 同步更新OCR级和Poll级过滤逻辑 --- monitor.py | 28 ++++++++++++++++++++++------ 1 file changed, 22 insertions(+), 6 deletions(-) diff --git a/monitor.py b/monitor.py index dd9dc95..cae9ec7 100644 --- a/monitor.py +++ b/monitor.py @@ -1874,12 +1874,20 @@ class MessageMonitor: # —— OCR 偏旁碎片过滤：氵、亻、讠、扌等 CJK 偏旁不是完整汉字 —— # CJK 偏旁部首 Unicode: U+2E80-U+2FDF (CJK Radicals Supplement + Kangxi Radicals) - if len(line) <= 20: - radical_cnt = sum(1 for c in line if '\u2e80' <= c <= '\u2fdf') + # 正常用户消息几乎不含这些偏旁字符，只要出现就判定为OCR碎片 + radical_cnt = sum(1 for c in line if '\u2e80' <= c <= '\u2fdf') + if radical_cnt > 0: cjk_cnt = sum(1 for c in line if '\u4e00' <= c <= '\u9fff') - if radical_cnt > 0 and cjk_cnt <= radical_cnt: + if cjk_cnt <= radical_cnt: logger.debug(f"[{platform}] OCR 过滤: 偏旁碎片(radical={radical_cnt},cjk={cjk_cnt}) line={line!r}") continue + # —— 系统配置内容过滤：SMTP/邮件地址/代码片段不是用户消息 —— + if re.search(r'@example|smtp|\.py\b|\.bat\b|\.sh\b|//.*\.\w{2,4}\b', line, re.IGNORECASE): + logger.debug(f"[{platform}] OCR 过滤: 系统配置内容 line={line!r}") + continue + if re.search(r'@\w+\.\w{2,4}[,.\s]', line) and re.search(r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}', line): + logger.debug(f"[{platform}] OCR 过滤: 邮件地址格式 line={line!r}") + continue # —— OCR 短句/病句检测：OCR 把消息"嚼碎"生成碎片 —— # 通用疑问词（有这些词说明有查询意向，放行） @@ -3599,12 +3607,20 @@ class MessageMonitor: logger.debug(f"[{platform}] Poll过滤: 结构化面板 ts={ts!r}") continue # === 偏旁碎片过滤：氵、亻、讠、扌等 CJK 偏旁不是完整汉字 === - if len(ts) <= 20: - radical_cnt = sum(1 for c in ts if '\u2e80' <= c <= '\u2fdf') + # 正常用户消息几乎不含这些偏旁字符，只要出现就判定为OCR碎片 + radical_cnt = sum(1 for c in ts if '\u2e80' <= c <= '\u2fdf') + if radical_cnt > 0: cjk_cnt = sum(1 for c in ts if '\u4e00' <= c <= '\u9fff') - if radical_cnt > 0 and cjk_cnt <= radical_cnt: + if cjk_cnt <= radical_cnt: logger.debug(f"[{platform}] Poll过滤: 偏旁碎片(radical={radical_cnt},cjk={cjk_cnt}) ts={ts!r}") continue + # === 系统配置内容过滤：SMTP/邮件地址/代码片段不是用户消息 === + if re.search(r'@example|smtp|\.py\b|\.bat\b|\.sh\b|//.*\.\w{2,4}\b', ts, re.IGNORECASE): + logger.debug(f"[{platform}] Poll过滤: 系统配置内容 ts={ts!r}") + continue + if re.search(r'@\w+\.\w{2,4}[,.\s]', ts) and re.search(r'[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}', ts): + logger.debug(f"[{platform}] Poll过滤: 邮件地址格式 ts={ts!r}") + continue # === 游戏UI乱码：CJK+下划线英文、CJK+大写英文组合 → 非聊天文本 === if re.search(r'[\u4e00-\u9fff]', ts) and re.search(r'[A-Za-z]', ts) and len(ts) > 10: if re.search(r'[a-zA-Z]+_[a-zA-Z]+', ts):