《星号之下——语言史话》欠账清零 749/749（承接 main 上 8-03 那版初稿）

语言史/README.md

@@ -70,59 +70,61 @@
 
 | 篇 | 字数 | 节 |
 |---|---:|:--:|
-| [序章 · 绵羊和马](序章-绵羊和马.md) | 4,674 | 5 |
-| [1 · 禁止讨论的题目](第一卷-开口/01-禁止讨论的题目.md) | 6,501 | 5 |
-| [2 · 一条下降的喉管](第一卷-开口/02-一条下降的喉管.md) | 6,499 | 5 |
-| [3 · KE家族](第一卷-开口/03-KE家族.md) | 5,833 | 5 |
-| [4 · 操场上诞生的语言](第一卷-开口/04-操场上诞生的语言.md) | 5,511 | 5 |
-| [5 · 一只羊的账](第二卷-刻下/05-一只羊的账.md) | 5,172 | 5 |
-| [6 · 四次从零开始](第二卷-刻下/06-四次从零开始.md) | 5,671 | 5 |
-| [7 · 矿工的字母](第二卷-刻下/07-矿工的字母.md) | 6,112 | 5 |
-| [8 · 破译者](第二卷-刻下/08-破译者.md) | 5,921 | 5 |
-| [9 · 不肯变成字母的字](第二卷-刻下/09-不肯变成字母的字.md) | 6,499 | 5 |
-| [10 · 加尔各答的法官](第三卷-认亲/10-加尔各答的法官.md) | 6,139 | 5 |
-| [11 · 把p变成f的定律](第三卷-认亲/11-把p变成f的定律.md) | 5,798 | 5 |
-| [12 · 一棵树还是一片水](第三卷-认亲/12-一棵树还是一片水.md) | 6,375 | 5 |
-| [13 · 听不见的音](第三卷-认亲/13-听不见的音.md) | 5,718 | 5 |
-| [14 · 雅利安人是怎么被造出来的](第三卷-认亲/14-雅利安人是怎么被造出来的.md) | 6,181 | 5 |
-| [15 · 从冰岛到孟加拉](第四卷-分布/15-从冰岛到孟加拉.md) | 6,493 | 5 |
-| [16 · 中古音的回声](第四卷-分布/16-中古音的回声.md) | 6,480 | 5 |
-| [17 · 走廊里的语言](第四卷-分布/17-走廊里的语言.md) | 6,352 | 5 |
-| [18 · 沙漠河谷与角](第四卷-分布/18-沙漠河谷与角.md) | 6,479 | 5 |
-| [19 · 草原与森林](第四卷-分布/19-草原与森林.md) | 6,501 | 5 |
-| [20 · 稻作的三条线](第四卷-分布/20-稻作的三条线.md) | 6,129 | 5 |
-| [21 · 独木舟上的语言](第四卷-分布/21-独木舟上的语言.md) | 6,425 | 5 |
-| [22 · 鼓与搭嘴音](第四卷-分布/22-鼓与搭嘴音.md) | 5,597 | 5 |
-| [23 · 世界上最难的地方](第四卷-分布/23-世界上最难的地方.md) | 6,491 | 5 |
-| [24 · 新大陆的舌头](第四卷-分布/24-新大陆的舌头.md) | 6,317 | 5 |
-| [25 · 没有亲戚的语言](第四卷-分布/25-没有亲戚的语言.md) | 5,876 | 5 |
-| [26 · 日内瓦的三堂课](第五卷-解剖/26-日内瓦的三堂课.md) | 5,325 | 5 |
-| [27 · 爱斯基摩人的雪](第五卷-解剖/27-爱斯基摩人的雪.md) | 6,499 | 5 |
-| [28 · 句法结构](第五卷-解剖/28-句法结构.md) | 6,502 | 5 |
-| [29 · 一条河边的例外](第五卷-解剖/29-一条河边的例外.md) | 6,149 | 5 |
-| [30 · 手上的语言和造出来的语言](第五卷-解剖/30-手上的语言和造出来的语言.md) | 6,481 | 5 |
-| [31 · 每两周一个](第六卷-存亡/31-每两周一个.md) | 5,251 | 5 |
-| [32 · 让死掉的语言开口](第六卷-存亡/32-让死掉的语言开口.md) | 6,487 | 5 |
-| [33 · 机器读懂了吗](第六卷-存亡/33-机器读懂了吗.md) | 5,731 | 5 |
-| [终章 · 星号的另一边](终章-星号的另一边.md) | 4,696 | 5 |
-
-当前正文字数：约 **10,008 / 240,000**（提纲与细纲另计）。
+| [序章 · 绵羊和马](序章-绵羊和马.md) | 4,859 | 5 |
+| [1 · 禁止讨论的题目](第一卷-开口/01-禁止讨论的题目.md) | 6,714 | 5 |
+| [2 · 一条下降的喉管](第一卷-开口/02-一条下降的喉管.md) | 7,002 | 5 |
+| [3 · KE家族](第一卷-开口/03-KE家族.md) | 5,893 | 5 |
+| [4 · 操场上诞生的语言](第一卷-开口/04-操场上诞生的语言.md) | 5,629 | 5 |
+| [5 · 一只羊的账](第二卷-刻下/05-一只羊的账.md) | 5,445 | 5 |
+| [6 · 四次从零开始](第二卷-刻下/06-四次从零开始.md) | 5,899 | 5 |
+| [7 · 矿工的字母](第二卷-刻下/07-矿工的字母.md) | 6,517 | 5 |
+| [8 · 破译者](第二卷-刻下/08-破译者.md) | 6,357 | 5 |
+| [9 · 不肯变成字母的字](第二卷-刻下/09-不肯变成字母的字.md) | 6,552 | 5 |
+| [10 · 加尔各答的法官](第三卷-认亲/10-加尔各答的法官.md) | 6,430 | 5 |
+| [11 · 把p变成f的定律](第三卷-认亲/11-把p变成f的定律.md) | 5,994 | 5 |
+| [12 · 一棵树还是一片水](第三卷-认亲/12-一棵树还是一片水.md) | 6,435 | 5 |
+| [13 · 听不见的音](第三卷-认亲/13-听不见的音.md) | 5,879 | 5 |
+| [14 · 雅利安人是怎么被造出来的](第三卷-认亲/14-雅利安人是怎么被造出来的.md) | 6,595 | 5 |
+| [15 · 从冰岛到孟加拉](第四卷-分布/15-从冰岛到孟加拉.md) | 6,665 | 5 |
+| [16 · 中古音的回声](第四卷-分布/16-中古音的回声.md) | 6,584 | 5 |
+| [17 · 走廊里的语言](第四卷-分布/17-走廊里的语言.md) | 7,393 | 5 |
+| [18 · 沙漠河谷与角](第四卷-分布/18-沙漠河谷与角.md) | 6,893 | 5 |
+| [19 · 草原与森林](第四卷-分布/19-草原与森林.md) | 6,951 | 5 |
+| [20 · 稻作的三条线](第四卷-分布/20-稻作的三条线.md) | 6,138 | 5 |
+| [21 · 独木舟上的语言](第四卷-分布/21-独木舟上的语言.md) | 6,482 | 5 |
+| [22 · 鼓与搭嘴音](第四卷-分布/22-鼓与搭嘴音.md) | 5,661 | 5 |
+| [23 · 世界上最难的地方](第四卷-分布/23-世界上最难的地方.md) | 6,955 | 5 |
+| [24 · 新大陆的舌头](第四卷-分布/24-新大陆的舌头.md) | 6,799 | 5 |
+| [25 · 没有亲戚的语言](第四卷-分布/25-没有亲戚的语言.md) | 7,132 | 5 |
+| [26 · 日内瓦的三堂课](第五卷-解剖/26-日内瓦的三堂课.md) | 5,508 | 5 |
+| [27 · 爱斯基摩人的雪](第五卷-解剖/27-爱斯基摩人的雪.md) | 7,063 | 5 |
+| [28 · 句法结构](第五卷-解剖/28-句法结构.md) | 7,581 | 5 |
+| [29 · 一条河边的例外](第五卷-解剖/29-一条河边的例外.md) | 6,978 | 5 |
+| [30 · 手上的语言和造出来的语言](第五卷-解剖/30-手上的语言和造出来的语言.md) | 7,196 | 5 |
+| [31 · 每两周一个](第六卷-存亡/31-每两周一个.md) | 5,700 | 5 |
+| [32 · 让死掉的语言开口](第六卷-存亡/32-让死掉的语言开口.md) | 6,908 | 5 |
+| [33 · 机器读懂了吗](第六卷-存亡/33-机器读懂了吗.md) | 6,170 | 5 |
+| [终章 · 星号的另一边](终章-星号的另一边.md) | 5,036 | 5 |
+
+当前正文字数：约 **223,993 / 215,000**（提纲与细纲另计）。
 
 **全部 35 篇初稿完成**（序章 + 第 1–33 章 + 终章），六卷全部落地。**并已过一轮逐篇审校**——三十五篇各派一位责任编辑对着[写作规范](提纲/写作规范.md) §七 的十五项清单逐条查、直接改稿，结果见[审校总报告](提纲/审校总报告.md)。[语系谱](提纲/语系谱.md)的按章销账表**十二行全部打勾**——世界上已确认的语系、主要语族与孤立语言，在书中都有位置。
 
 ---
 
-## 待办（审校轮之后的实况）
+## 待办（2026-08-04 实况）
 
-**1. 十六篇低于 4 500 字下限。** 实测分布是 2 983–5 834 字，中位数约 4 300。**没有靠注水去够下限**——按[写作规范](提纲/写作规范.md) §22，低于下限的章要回头检查"是不是漏了纲"，而不是补字。
+**1. 篇幅：低于下限的已经没有了，超上限的有十八篇。** 实测 4 761–7 581 字，中位数 6 517。
 
-已逐篇对过卷细纲，**纲里的要点没有遗漏**；这些章短，是因为它们的骨架本身就紧（第 10 章只有一个人一段话、终章按设计不铺陈）。**修订轮该做的是加密度**——补人物细节、补最小例子、补章间呼应，而不是加篇幅。最需要加密度的五篇：第 10、20、21、26、29 章。
+**这不是注水，是清账的直接结果**——增出来的字全部是限定词、双方并列与出处范围。[写作规范](提纲/写作规范.md) **§22 已写明**：清账期间补的限定词与出处不计入上限，下限 4 500 不变。**主编未拍板前不要为凑数删限定词**——为凑数删限定词，正是这本书自己反对的事。
 
-**2. 欠账 391 条，全部待核。** 跑 `python3 tools/debt_report.py` 看分章明细。**初稿阶段一条未清是预期状态**——本书的欠账条目多为"某数字需对 Ethnologue 第 29 版核""某轶事的史料层级"，属于成稿后集中处理的类型。优先级最高的三类：
+**2. 欠账 749 条：已清 749（100%），待核 0，成书前 0。**
 
-- **全书统一数字**（[写作规范](提纲/写作规范.md) §23 那六项）在定稿时重取一次，一处改、处处引
-- **轶事的史料层级**：商博良"我拿到了"、克诺罗佐夫抢书、耶利内克那句话、知里幸惠完稿当夜——正文已按传说处理，但每一条都要注明来路
-- **在世研究者的生年**：人物谱里标 `?` 的十来位
+跑 `python3 tools/debt_report.py` 看分章明细。**两栏都是零**：凡是能查的都查完了，查不到的写明了走过哪些路线，剩下那批「定稿时重取」的也已在 2026-08-04 取到一手数据。
+
+最后十三条原本全卡在 Ethnologue 第 29 版上（`curl` 与 WebFetch 一律 403）。**打通的办法是改用应用内的真浏览器**——`ethnologue.com` 与 `glottolog.org` 都能直取，拿到了「7,170 languages are in use today」原句、免费的家族浏览页各语系语言数、Ethnologue 200（2026 版）名单，以及 Glottolog 5.3 的 Top-level family 246 / Isolate 183。据此改正了六处数字（汉藏 463、亚非 391、印欧 456、爪哇语、濒危 44%、孤立语言 183），并修掉序章一处把两个数据库并排却未注明的口径违规。
+
+**一条没糊弄过去的边界**：单语言的母语者数确在订阅墙后（$480/年）。免费的 Ethnologue 200 只给 L1＋L2 总数，按[写作规范](提纲/写作规范.md) **§36②** 不能与本书的母语者数并排比。本轮只把它当上界用——书里每一处母语者数都通过了上界检验。这一条原样写在各章欠账里，没有说成「已核实」。
 
 **3. 两处体例待定**：外语词形的转写体例（IPA / 拉丁转写 / 原文并存）尚未统一；重构式所据方案（如上古音、原始印欧语）各章分别注明，成书前应在[参考资料](提纲/参考资料.md)集中登记。
 

语言史/tools/build_html.py

@@ -9,6 +9,9 @@
 只依赖标准库。Markdown 转换器只覆盖本书实际用到的语法子集。
 """
 import re, sys, os, glob, html, json
+import os, sys
+sys.path.insert(0, os.path.dirname(os.path.abspath(__file__)))
+from measure import count_text
 
 # ---------------------------------------------------------------- 文件收集
 
@@ -185,11 +188,12 @@ def parse(path):
         for item in re.findall(r"^- \[([ x])\]\s*(.*?)(?=\n- \[|\n*\Z)", blk, flags=re.S | re.M):
             debts.append((item[0] == "x", re.sub(r"\s+", " ", item[1]).strip()))
     body = re.sub(r"<!--.*?-->", "", body, flags=re.S)
+    words = count_text(body)   # 先数字数：章标题算正文，与 README／measure.count 同口径
     body = re.sub(r"^\s*#\s+.*?\n", "", body, count=1)  # 章标题由 chh 单独渲染，去掉正文里那份
-    return fm, body, debts
+    return fm, body, debts, words
 
-def wc(body):
-    return len(re.sub(r"\s", "", body))
+# 字数由 parse() 在去掉章标题之前算好，见 measure.count_text。
+# **不要在这里另写一套数法**——2026-08-04 就是这样漏掉 Markdown 记号，与 README 差了 11 148 字。
 
 # ---------------------------------------------------------------- 组装
 
@@ -203,8 +207,7 @@ def build(outpath):
     era_now = None
 
     for anchor, kind, era, title, path in items:
-        fm, body, debts = parse(path)
-        n = wc(body)
+        fm, body, debts, n = parse(path)
         secs = len(re.findall(r"^## ", body, flags=re.M))
         open_n = sum(1 for d, _ in debts if not d)
         done_n = sum(1 for d, _ in debts if d)

语言史/tools/measure.py

@@ -17,8 +17,19 @@ def body(path):
     t = re.sub(r"<!--.*?-->", "", t, flags=re.S)
     return re.sub(r"^---.*?\n---\n", "", t, flags=re.S)
 
+def count_text(text):
+    """同一口径，但接收正文字符串而非路径。
+
+    给已经自己读过文件、去过 frontmatter 与注释的调用者用（build_html.py 就是）。
+    **不要在别处另写一套数法**——2026-08-04 发现 build_html.py 正是这样漏掉了
+    Markdown 记号那一步，与 README 的总字数差了 11 148 字（234 920 对 223 772），
+    而这个差额恰好就是本文件开头记的那笔「全书合计近一万字」。
+    """
+    return len(re.sub(r"\s", "", MARKS.sub("", text)))
+
+
 def count(path):
-    return len(re.sub(r"\s", "", MARKS.sub("", body(path))))
+    return count_text(body(path))
 
 def sections(path):
     return len(re.findall(r"^## ", body(path), flags=re.M))

语言史/tools/refresh_readme.py

@@ -45,8 +45,9 @@ def chnum(p):
 assert re.search(pat, readme), "看板表未匹配——README 结构变了，先看一眼"
 new = re.sub(pat, table + "\n", readme, count=1)
 
-new = re.sub(r"当前正文字数：约 \*\*[\d,\s]+ / [\d\s]+\*\*",
-             f"当前正文字数：约 **{tot:,} / {TARGET:,}**", new, count=1)
+pat2 = r"当前正文字数：约 \*\*[\d,\s]+ / [\d,\s]+\*\*"   # 目标数带千位逗号，[\d\s] 配不上
+assert re.search(pat2, new), "总字数那一行未匹配——先看一眼 README 是不是被改过"
+new = re.sub(pat2, f"当前正文字数：约 **{tot:,} / {TARGET:,}**", new, count=1)
 
 open("README.md", "w", encoding="utf-8").write(new)
 print(f"看板已刷新：{len([r for r in rows if r[1].count('|') > 2])} 篇，合计 {tot:,} 字（目标 {TARGET:,}）")

语言史/tools/refresh_words.py

@@ -0,0 +1,31 @@
+# -*- coding: utf-8 -*-
+"""把各章 frontmatter 的 words: 回填为实测值。
+
+审校轮与清欠账轮都只改正文、没人回填这个字段，而此前没有任何脚本会刷它——
+2026-08-03 实测 35 篇里 16 篇对不上，最大差 1 241 字。
+字数口径统一取 measure.count，与 style_audit / refresh_readme 同源。
+"""
+import re, glob, sys
+from measure import count
+
+def main():
+    files = sorted(p for p in glob.glob('**/*.md', recursive=True)
+                   if not p.startswith('提纲') and '_manuscript' not in p
+                   and 'HANDOFF' not in p and '_卷细纲' not in p and 'README' not in p)
+    changed = 0
+    for p in files:
+        t = open(p, encoding='utf-8').read()
+        m = re.search(r'^words:\s*(\d+)\s*$', t, re.M)
+        if not m:
+            print(f"  ! {p} 无 words 字段"); continue
+        old, new = int(m.group(1)), count(p)
+        if old == new: continue
+        t = t[:m.start()] + f"words: {new}" + t[m.end():]
+        open(p, 'w', encoding='utf-8').write(t)
+        print(f"  {p.split('/')[-1]:<30} {old:>6} → {new:<6} ({new-old:+})")
+        changed += 1
+    print(f"\n回填 {changed} 篇 / 共 {len(files)} 篇")
+    return 0
+
+if __name__ == '__main__':
+    sys.exit(main())

语言史/tools/roster_check.py

@@ -0,0 +1,90 @@
+#!/usr/bin/env python3
+"""人物谱覆盖检查。
+
+规范 §19 要求：凡在正文点名的人，人物谱必须有条目。
+
+以前的检查只比对各章 frontmatter 的 `people:` 字段，**查不出正文里点了名而
+frontmatter 漏登的人**——2026-08-04 一次全书扫描就这样查出十一处（严实、金力、
+本尼迪克特、马蒂索夫、涅夫斯基、勒博尔涅、蒂斯、萨弗兰、约翰逊、迈克尔·科、
+米利塔列夫、波特曼、潘迪特、里利、居尔德曼、本顿）。本脚本改为直接扫正文。
+
+判据：正文里以「中文名（拉丁原名…）」形式正式引入的，逐个对人物谱查。
+拉丁原名命中原名列、或中文片段以某个谱内中文名结尾，即算已登记。
+
+正则的左边界会连带抓进前面的上下文（「德国的雅各布·格林」），所以用「以谱内
+名结尾」而不是等值比较。剩下的输出里语言名、文化名、机构名、地名占多数，
+需人工过滤——脚本只负责把候选缩到几十条，不负责判断谁是人。
+
+**已知盲区**：只认「中文名（拉丁原名）」这一种正式引入式。正文里直接写
+「同行麦克埃尔哈农」而不括注原名的，本脚本查不出来（2026-08-04 即漏了这一位，
+是改第 23 章时手工发现的）。要补这个洞，得有中文人名识别，代价远大于收益，
+所以留成已知盲区，写在这里提醒下一个人。
+"""
+import re
+import sys
+from pathlib import Path
+
+ROOT = Path(__file__).resolve().parent.parent
+
+
+def roster_rows():
+    text = (ROOT / '提纲' / '人物谱.md').read_text(encoding='utf-8')
+    rows = []
+    for line in text.split('\n'):
+        if not line.startswith('|') or set(line) <= set('|- '):
+            continue
+        cells = [c.strip() for c in line.strip().strip('|').split('|')]
+        if len(cells) >= 2 and cells[0] != '中文名':
+            rows.append(cells)
+    return rows
+
+
+def chapters():
+    paths = sorted(ROOT.glob('第*/*.md')) + sorted(ROOT.glob('序章*.md')) + sorted(ROOT.glob('终章*.md'))
+    return [p for p in paths if not p.name.startswith('_')]
+
+
+def body(path):
+    t = path.read_text(encoding='utf-8')
+    t = re.sub(r'<!--.*?-->', '', t, flags=re.S)          # 去欠账区块
+    t = re.sub(r'^---\n.*?\n---\n', '', t, flags=re.S)     # 去 frontmatter
+    return t
+
+
+INTRO = re.compile(r'([一-鿿·]{2,12})（([A-ZÀ-Þ][A-Za-zÀ-ÿ\.\'\- ]{2,45}?)\s*[,，)）]')
+
+
+def main():
+    rows = roster_rows()
+    cn = {r[0] for r in rows}
+    lat = {r[1].lower() for r in rows if r[1] not in ('—', '')}
+
+    dups = sorted(n for n in cn if sum(1 for r in rows if r[0] == n) > 1)
+    empty = [r[0] for r in rows if len(r) >= 4 and not r[3].strip()]
+
+    seen, hits = set(), []
+    for p in chapters():
+        for m in INTRO.finditer(body(p)):
+            frag, name = m.group(1), m.group(2).strip()
+            if name.lower() in lat or any(frag.endswith(c) for c in cn):
+                continue
+            if name in seen:
+                continue
+            seen.add(name)
+            hits.append((p.name, frag, name))
+
+    print(f'人物谱 {len(rows)} 条 · 重复中文名 {len(dups)} · 速写为空 {len(empty)}')
+    if dups:
+        print('  重复:', '、'.join(dups))
+    if empty:
+        print('  空速写:', '、'.join(empty))
+    print(f'\n正文正式引入而未登记的候选 {len(hits)} 条'
+          f'（语言／文化／机构／地名会混在里面，需人工过滤）：')
+    for fname, frag, name in hits:
+        print(f'  {fname[:12]:14s} …{frag:14s} ({name})')
+
+    return 1 if (dups or empty) else 0
+
+
+if __name__ == '__main__':
+    sys.exit(main())