写入日志到项目根目录的 log.txt

从 API KEY 值中提取环境变量名称 例如：$CHERRY_IN_API_KEY$ -> CHERRY_IN_API_KEY

将指定范围的 PDF 页面转换为横向拼接的 JPG，并在底部追加页码。

从文件名中提取书名，取第一个下划线之前的内容

调用 LLM 识别单页的页码偏移量

将模型返回的 CSV 文本解析为目标 JSON 结构。 目标结构：[{"text": "...", "number": int, "level": int}, ...]

自动计算正文偏移量。 逻辑优化： 1. 先随机取 5 页。 2. 统计众数，若众数数量 < 4，则再随机取 5 页（不重复），共 10 页一起统计。 3. 将所有过程的图片、原始响应、解析结果保存到 initial_data/offset_log.json。

将中文字符转换为拼音

提取 PDF 第一页并调用 LLM 识别书名

使用滑动窗口提取目录，并对冲突页进行单页投票

提取PDF的目录并保存为CSV文件

调用 LLM 识别拼接图片中的目录范围，并保存原始响应

找到页码最小的_page_x_merged.json 文件

处理页码为 null 的情况： 1. 若某标题页码为 null，则向下寻找第一个非 null 项填充。 2. 若下方全是 null，则向上寻找最近的非 null 项填充。

生成指定长度的随机字母数字组合

解析 API Key，支持环境变量提取

获取脚本所在目录下的PDF文件

检查指定范围内是否有被投票为目录的页

将分散的页码列表合并为最大的连续区间。 逻辑：排序后，如果相邻页码差值 <= 1，视为连续。 返回最大连续区间的 (start, end)。

检查数据中 level 字段的最小值。 如果最小值不是 1，则将所有 level 减去 (min_level - 1)，使最小值为 1。

规范化 TOC 层级，确保： 1. 第一个条目 level 为 1 2. 层级跳跃不超过 1 (例如不能从 1 直接到 3)

安全解析 LLM 输出的 JSON，剥离 Markdown 标记

专门处理第一张图片，获取 CSV 格式的响应，并缓存为 Few-shot 示例。

使用 OpenAI SDK 发送请求，并包含后处理逻辑 修改点：增加对解析错误的详细日志记录，包含原始响应

处理除第一张以外的其他图片，使用首图的 CSV 结果作为 Few-shot 上下文。

读取 JSON 文件并返回数据，统一返回列表格式

执行一个批次的滑动窗口扫描

验证并修复 CSV 内容（目标为 3 列：title, page_number, level）。 1. 若列数少于 3，尝试从右向左将全角逗号替换为半角逗号（最多替换两次）。 2. 若解析为 4 列以上，说明标题中包含了半角逗号，将前 n-2 列合并为 title。

验证 CSV 内容是否合法（2 列）。 若不合法，尝试修复： 1. 将每行最后一个全角逗号替换为半角逗号。 2. 若解析为 3 列以上，说明半角逗号没有被恰当处理，将前 n-1 列合并并用双引号包裹。 返回：(is_valid, fixed_content)

自然排序键函数