trading: 日内T/长桥/六合彩文档与脚本 + quant-factor-mining 新目录

lottery-hk/references/candidate-source-tracker-pitfall.md

@@ -0,0 +1,67 @@
+# 候选表「来源」列硬编码陷阱 (2026-08-13 用户发现)
+
+## 🚨 事故时间线
+
+- **2026-07-30 → 2026-08-13**: `format_te_ma_result` 第 313-323 行有一张硬编码 `src_map` 字典, 只覆盖 8 个特殊号码 (1, 3, 5, 8, 9, 13, 31, 33, 47), 其他号码全部 fallback 到 "其他挂牌提示"。
+- **2026-08-13 12:04 北京**: 用户问 "分析资料来源怎么没了?" — 实际 088 期 (今天 8/13 周四 21:30 未开) 抓取结果: 42 (权重 3, 来自挂牌另版挂), 3/4/13/14/23/24/33/34 (来自挂牌尾数)。除了 3/13/33 之外, 其他 5 个号码全部 fallback 到 "其他挂牌提示"。
+
+## 根因
+
+硬编码字典覆盖范围有限, 与 `get_te_ma_candidates` 实际抓取逻辑完全脱节:
+- 挂牌 (zongheguapai/) 给号: 彩图挂直接给号, 另版挂, 尾数 → 1, 11, 13, 31, 33, 41 等等
+- 玄机诗 (xuanjiziliao/) 给号: 诗象, 彩霸王 三一, 玄机字, 红马蓝狗 → 9, 47, 3, 13, 31, 8, 12, 18
+- 六信红字 (lxhz/) 给号: 頤養/天年大数偏多 (25-49)
+
+实际抓取结果里 42, 49, 4, 14, 24, 34, 23, 33 都不在硬编码字典里 → fallback "其他挂牌提示"。
+
+## 修法 (2026-08-13)
+
+`get_te_ma_candidates` 内部用 `src_tracker = defaultdict(list)` 同步记录每个号码的真实来源:
+
+```python
+def get_te_ma_candidates(period='088'):
+    weights = Counter()
+    src_tracker = defaultdict(list)
+
+    def add(n, w, src):
+        if 1 <= n <= 49:
+            weights[n] += w
+            if src not in src_tracker[n]:
+                src_tracker[n].append(src)
+
+    # ... 抓取时 ...
+    if '另版挂' in f:
+        m = re.search(r'\d+', f['另版挂'])
+        if m:
+            add(int(m.group(0)), 3, f'挂牌 另版挂 ({f["另版挂"]})')
+    # ... 尾数/玄机诗/红字 同理 ...
+
+    return weights, src_tracker
+```
+
+`format_te_ma_result` 优先用 `src_tracker`, 硬编码字典删除:
+
+```python
+def get_src(num):
+    if src_tracker and num in src_tracker and src_tracker[num]:
+        srcs = src_tracker[num][:2]
+        txt = ' + '.join(srcs)
+        if len(src_tracker[num]) > 2:
+            txt += f' (+{len(src_tracker[num]) - 2})'
+        return txt
+    return '其他挂牌提示'
+```
+
+## 验证
+
+跑 `bash lottery_特码_cron.sh` 后, 看候选表「来源」列:
+
+- 期望: 「来源」列反映实际抓取 (挂牌另版挂, 尾数3尾, 尾数4尾 等)
+- 不期望: 「其他挂牌提示」占多数 (硬编码字典残余症状)
+
+## 教训
+
+1. **任何"展示抓取数据来源"的 UI 组件, 禁止用硬编码字典当 fallback** — 字典维护成本高, 抓取逻辑每天变, 字典永远跟不上
+2. **抓取 + 来源绑定应该同步进行** — 在 `add(weight, src)` 那一刻就一起记录, 不要等输出时再回头查
+3. **fallback 字符串一定要谨慎** — "其他挂牌提示" 看起来"无害", 实际把 bug 藏得很深 (用户问"资料来源怎么没了"才暴露)
+4. **跨 session 维护** — 写新抓取规则时 (例如加挂牌出肖, 加灼码诗), 同步加 `add(num, w, '新源 描述')` 一行, 不要只改 weights 不改 src_tracker