Synchronize chapter and navigation translations with Chinese prose indentation

doc/OCR_EPUB_ROADMAP.md

@@ -0,0 +1,23 @@
+# 扫描 PDF → EPUB：后续大版本
+
+这是独立的大版本方向，本轮不实现。目标是把旧中文书的扫描 PDF 转成可重排、可搜索、可点击目录的 EPUB，同时保留原书中有阅读意义的结构与图文关系。
+
+## 输入与评测样本
+
+先收集少量代表样本：纯文字、竖排／繁体、双栏、跨页脚注、目录、表格、示意图、照片，以及歪斜和低清扫描。再盘点用户本地已部署的 OCR，用相同页面比较文字准确度、阅读顺序、版面坐标、图表识别、速度和资源占用。届时根据实际部署与测试结果选择模型，保留可替换的 OCR 接口。
+
+## 中间结构
+
+OCR 输出不能直接拼成 HTML。建立带页面来源、坐标、阅读顺序与置信度的版面中间表示，区分正文段落、章号、主标题、副标题、页眉页脚、脚注／尾注、表格、图片、图注。识别跨页段落合并与断词，保留人工修正记录，以便重复 OCR 时复用。
+
+## 图文与样式
+
+从原 PDF 页面或扫描图按区域提取图片、示意图，保留分辨率、裁切来源和对应图注，作为 EPUB 独立资源嵌入。表格优先转为语义表格；复杂或低置信度图表保留原图。可重排 EPUB 保留标题层级、强调、段落、引用和图文关系；精确页面位置有意义的材料另外评估固定版式 EPUB，不能要求同一个可重排版本在每种屏幕上保持 PDF 的坐标。
+
+## 目录和注释
+
+把目录条目、章标题、页码映射到中间结构的稳定 ID，采用本项目的“目标锚点 → 标题”映射生成 NAV、NCX 和书内目录。原 PDF 页码用作来源追踪，不直接充当 EPUB 页码。脚注建立正文引用、注释内容及返回链接；低置信度匹配进入待审核队列。
+
+## QA 闭环与验收
+
+对同一段原扫描、OCR 中间结果和 EPUB 阅读器截图进行对照。验证阅读顺序、图片／图注归属、标题层级、目录点击、注释双向跳转、字体与中文缩进。每次修复保留样例和回归用例；把文字识别质量、结构正确性与视觉版式分别报告。先完成一小本代表书的端到端试验，再扩展到批量转换。

doc/QA_2026-10-08.md

@@ -26,3 +26,25 @@ CLI 主流程使用自制小 EPUB 完成无 API 冒烟验证；新增的输出
 自动术语扫描依赖模型判断。完整名字和明确别名可约束；同姓人物、间接指称、未列入表的其他译名仍须语言 QA。`exclude_contexts` 与较长术语优先处理能减少误判，不能代替全书语义消歧。
 
 HTML5 解析可以修复结构，不能自动判断出版者本意；特别的固定版式、复杂 SVG/脚本内容和阅读器差异仍需具体样本。正常主流程遇到新增结构错误会停止并留下报告。原书问题单独留存，不用“没有新增问题”宣称原书符合所有 EPUB 标准。
+
+## 第二轮：中文缩进与标题目录同步
+
+- 新增标题目标映射：NAV、NCX 和明确的书内目录链接解析到原文件／锚点；章号、标题、副标题的相邻块精确绑定，各块仍各自翻译和回填。目录复用实际标题译文，不另行生成章标题。
+- 中文章号统一为“第一章”，Part 对应“第一部”。兼容数字、罗马数字和常见英文数字词，保留数字所在 span 的样式；双语模式保留原英文标题。
+- 中文正文首行缩进 2em，包括原书使用 noindent 的章首段。清除中文段落的内联 text-indent，英文段落不修改；图注、引文、注释、居中段落和标题排除。Calibre 转换产生的正文 div 也适用。
+- 41 项离线测试通过，覆盖双语／中文模式、拆分标题、NAV/NCX/书内目录的一致性、链接及层级、反复回填、内联 CSS、标题缓存上下文更新，以及标题首词 Two/I 的误判回归。
+- 第二轮 11 本书共 27,219 单元、467 个目录目标：原文格式还原失败 0，新增结构问题 0。其中 403 个目标绑定实际标题，64 个不确定目标保留独立标签翻译并记录 binding_note。多数是封面、扉页或装饰标题，仍有复杂章节结构；不声称所有书的标题已经自动同步。Empire of AI 的原有 1 项源文件问题仍记录在报告中。
+
+### Luna 样书与视觉范围
+
+Luna 翻译了 Gambling Man 的 45 个标题单元，45/45 占位符校验通过；沿用第一轮 10 段正文，合计 55/1,582 单元。本轮没有做全书正文翻译，也没有验证实际外部 API 的整本吞吐。封面、扉页和版权这三个导航标签采用独立译文，其余目录目标均可绑定章节／部标题。
+
+最终文件位于 `.work/navigation-final-v4/`：`bilingual-sample.epub`、`target_only-sample.epub`、完整 manifest，以及 `qa-chapter/` 和 `qa-bilingual/` 对照证据。这些局部 QA 样例不提交到 Git。
+
+实际检查了中文版第 1–3 页、双语版第 1–4 页与相应原文页面：部标题、章号、主标题、中文首段／后续段缩进、英文 drop cap、上下标、强调与正文排列没有重叠或截断。PDF 页面是辅助视图；中文 EPUB 另外在 Calibre 9.15 阅读器中打开，确认中文目录“第一章：根源”跳转到对应章节、第一部到第五部层级保留、第一条注释弹窗内容正确。继续进入尾注页，点击第一章第 1 条尾注的返回链接，阅读器显示对应中文正文弹窗，再返回正文主视图；原锚点及返回链接正常。
+
+脚注／尾注全文仍按原有提取策略跳过；本轮翻译的是其目录名称和目录所指的页面标题。尾注内部按章分组的标题仍可能是英文。这一范围不能误报为注释全文已译。
+
+渲染期间有一次 Calibre PDF 进程 SIGSEGV，重新生成后的最终两组输出成功。自动报告仍为 visual_review: pending，人工／agent 观察记录单独保存为 visual-review.json；截图生成本身不表示整本视觉验收通过。
+
+OCR、扫描页图文提取、版面中间结构与可点击目录的后续大版本方案见 `doc/OCR_EPUB_ROADMAP.md`。