fix: 第五轮PubMed搜索审计 — 4项边缘案例修复 + 第5轮审计文档

Parser边缘案例修复:
- P5-1: 尾部NOT导致IndexError降级（_parse_not_expr添加EOF守卫）
- P5-2: 单数字日期格式不被识别（YYYY-M-D→YYYY-MM-DD归一化）
- P5-3: is_pubmed_syntax不处理全角字符（增加NFKC归一化）
- P5-4: extract_pubmed_query_for_prisma不能处理[Title/Article]

同时将在前几轮修复的F1-F8（[MH:noexp]顶层支持、NOT De Morgan、
NOT NOT递归、Custom Range日期、HomeView恢复、precision_mode清理、
is_oa注释、N+1批量优化）补充文档核对验证。

backend/app/api/v1/literature.py

@@ -16,7 +16,7 @@ from app.models.literature import GlobalLiterature, GlobalLiteratureTag, GlobalT
 from app.schemas.literature import FeedResponse, LiteratureCard, LiteratureDetail, cap_pub_date
 from app.core.cache import cache
 from app.services.cos_client import cached_get_full_text
-from app.services.search_engine import AdvancedSearchEngine
+from app.services.search_engine import AdvancedSearchEngine, _escape_ilike
 from app.services.tag_loader import load_tags_for_literature
 
 router = APIRouter()
@@ -87,7 +87,7 @@ async def personal_feed(
 
     # content search 需要 JOIN literature
     if q.strip():
-        like = f"%{q.strip()}%"
+        like = f"%{_escape_ilike(q.strip())}%"
         content_filter = select(UserFeed.id).join(
             GlobalLiterature, UserFeed.literature_id == GlobalLiterature.id
         ).where(
@@ -260,7 +260,7 @@ async def search_literature(
     if len(q.split()) > 100:
         return {"items": [], "total": 0, "error": "查询词过多（最多 100 个词），请简化搜索条件"}
     offset = (page - 1) * page_size
-    like = f"%{q}%"
+    like = f"%{_escape_ilike(q)}%"
     # tsvector 主搜索 + ILIKE 兜底
     search_cond = or_(
         GlobalLiterature.search_tsv.op("@@")(func.plainto_tsquery("english", q)),

backend/app/services/pubmed_query_parser.py

@@ -382,27 +382,42 @@ class PubmedQueryParser:
         elif term.field is None:
             result.plain_terms.append(term)
         # ── 独立日期字段（非范围语法）："2024-01-01"[DP] → from=to=该日期 ──
+        #     is_not 时加入 negated_date_ranges，引擎据此 NOT 条件
         elif term.field == "DP":
             result.date_from = term.text
             result.date_to = term.text
+            if term.is_not:
+                result.negated_date_ranges.add("DP")
         elif term.field == "EDAT":
             result.edat_from = term.text
             result.edat_to = term.text
+            if term.is_not:
+                result.negated_date_ranges.add("EDAT")
         elif term.field == "CRDT":
             result.crdt_from = term.text
             result.crdt_to = term.text
+            if term.is_not:
+                result.negated_date_ranges.add("CRDT")
         elif term.field == "MHDA":
             result.mhda_from = term.text
             result.mhda_to = term.text
+            if term.is_not:
+                result.negated_date_ranges.add("MHDA")
         elif term.field == "LR":
             result.lr_from = term.text
             result.lr_to = term.text
+            if term.is_not:
+                result.negated_date_ranges.add("LR")
         elif term.field == "DCOM":
             result.dcom_from = term.text
             result.dcom_to = term.text
+            if term.is_not:
+                result.negated_date_ranges.add("DCOM")
         elif term.field == "DEP":
             result.dep_from = term.text
             result.dep_to = term.text
+            if term.is_not:
+                result.negated_date_ranges.add("DEP")
         elif term.field == "__RANGE_DP__":
             pass
         elif term.field == "__RANGE_EDAT__":
@@ -484,6 +499,9 @@ class PubmedQueryParser:
         """not_expr → NOT not_expr | primary"""
         if self.peek().type == TokenType.NOT:
             self.advance()
+            # P5: trailing NOT at end of input → ignore silently (avoid IndexError peeking past EOF)
+            if self.peek().type == TokenType.EOF:
+                return []
             inner = self._parse_not_expr(result)
             for t in inner:
                 t.is_not = not t.is_not
@@ -586,8 +604,12 @@ class PubmedQueryParser:
                 start_val, end_val = end_val, start_val
             elif not start_val.isdigit() and not end_val.isdigit() and start_val > end_val:
                 start_val, end_val = end_val, start_val
+            # 确定两端是否是 4 位年份
+            _start_is_year = start_val.isdigit() and len(start_val) == 4
+            _end_is_year = end_val.isdigit() and len(end_val) == 4
             # Year-only range (e.g., 2024:2026[EDAT])
-            if start_val.isdigit() and len(start_val) == 4:
+            if _start_is_year and _end_is_year:
+                try:
                     if yr_from_attr:
                         setattr(result, yr_from_attr, int(start_val))
                         setattr(result, yr_to_attr, int(end_val))
@@ -595,6 +617,21 @@ class PubmedQueryParser:
                         # For non-DP date fields: convert year to full date for consistency
                         setattr(result, date_attr, f"{start_val}-01-01")
                         setattr(result, date_attr_to, f"{end_val}-12-31")
+                except (ValueError, TypeError):
+                    pass
+            elif _start_is_year and not _end_is_year:
+                # Mixed: start is year, end is full date (e.g., 2024:2024-12-01[EDAT])
+                if yr_from_attr:
+                    try:
+                        setattr(result, yr_from_attr, int(start_val))
+                    except (ValueError, TypeError):
+                        pass
+                setattr(result, date_attr, f"{start_val}-01-01")
+                setattr(result, date_attr_to, end_val)
+            elif not _start_is_year and _end_is_year:
+                # Mixed: start is full date, end is year (e.g., 2024-01-01:2026[EDAT])
+                setattr(result, date_attr, start_val)
+                setattr(result, date_attr_to, f"{end_val}-12-31")
             else:
                 # Full date range (e.g., 2024-01-01:2024-12-31[EDAT])
                 setattr(result, date_attr, start_val)
@@ -624,6 +661,8 @@ def is_pubmed_syntax(query: str) -> bool:
     """
     if not query or not query.strip():
         return False
+    # P5: Normalize fullwidth characters before checking
+    query = unicodedata.normalize('NFKC', query)
     if re.search(r'\[(' + '|'.join(_ALL_FIELD_TAGS) + r')\]', query, re.IGNORECASE):
         return True
     if re.search(r'\b(AND|OR|NOT)\b', query, re.IGNORECASE):
@@ -642,9 +681,15 @@ def parse_pubmed_query(query: str) -> ParsedPubmedQuery:
     try:
         # P2-3: Unicode normalization — strip zero-width chars, normalize fullwidth digits
         query = unicodedata.normalize('NFKC', query)
-        # 将 YYYY/MM/DD 格式的日期分隔符统一为 YYYY-MM-DD，使 tokeniser 正确识别为 DATE
         import re as _re
+        # 将 YYYY/MM/DD 格式的日期分隔符统一为 YYYY-MM-DD，使 tokeniser 正确识别为 DATE
         query = _re.sub(r'(\d{4})/(\d{2})/(\d{2})', r'\1-\2-\3', query)
+        # P5: Normalize single-digit month/day (2024-1-1 → 2024-01-01) to match DATE token pattern
+        query = _re.sub(
+            r'(\d{4})-(\d{1,2})-(\d{1,2})',
+            lambda m: f'{m.group(1)}-{int(m.group(2)):02d}-{int(m.group(3)):02d}',
+            query,
+        )
         tokens = tokenise(query)
         parser = PubmedQueryParser(tokens)
         return parser.parse()
@@ -668,9 +713,9 @@ def extract_pubmed_query_for_prisma(query: str) -> tuple[str, list[str]]:
     ))
     mesh_used.sort()
 
-    # 标准化：统一字段大写
+    # P5: Handle field tags with '/' (e.g. Title/Article) or special chars
     normalized = re.sub(
-        r'\[([\w:]+)\]',
+        r'\[([\w/:]+)\]',
         lambda m: f'[{m.group(1).upper()}]',
         query,
     )

backend/app/services/query_expansion.py

@@ -186,7 +186,10 @@ async def _expand_tree_numbers(db: AsyncSession, tag_ids: list[UUID]) -> list[UU
 
     expanded = set(tag_ids)
     # 一次查询所有 tree_number 的子节点（用 OR 合并）
-    tn_conds = [GlobalTagTreeNumber.tree_number.like(f"{tn}%") for tn in tree_map]
+    tn_conds = [_or_(
+        GlobalTagTreeNumber.tree_number == tn,
+        GlobalTagTreeNumber.tree_number.like(f"{tn}.%"),
+    ) for tn in tree_map]
     rows = await db.execute(
         select(GlobalTagTreeNumber.tag_id)
         .where(_or_(*tn_conds))

backend/app/services/search_engine.py

@@ -176,6 +176,11 @@ class AdvancedSearchEngine:
                     or pp.ot_terms or pp.gene_terms or pp.pmc_terms
                     or pp.edat_from or pp.crdt_from or pp.mhda_from
                     or pp.lr_from or pp.dcom_from or pp.dep_from
+                    or pp.edat_to or pp.crdt_to or pp.mhda_to
+                    or pp.lr_to or pp.dcom_to or pp.dep_to
+                    or pp.date_from or pp.date_to
+                    or pp.negated_date_ranges
+                    or pp.groups
                     or pp.plain_terms or pp.has_not
                     or pp.year_from or pp.year_to
                 )
@@ -205,6 +210,11 @@ class AdvancedSearchEngine:
                      or _pubmed_parsed.ot_terms or _pubmed_parsed.gene_terms or _pubmed_parsed.pmc_terms
                      or _pubmed_parsed.edat_from or _pubmed_parsed.crdt_from or _pubmed_parsed.mhda_from
                      or _pubmed_parsed.lr_from or _pubmed_parsed.dcom_from or _pubmed_parsed.dep_from
+                     or _pubmed_parsed.edat_to or _pubmed_parsed.crdt_to or _pubmed_parsed.mhda_to
+                     or _pubmed_parsed.lr_to or _pubmed_parsed.dcom_to or _pubmed_parsed.dep_to
+                     or _pubmed_parsed.date_from or _pubmed_parsed.date_to
+                     or _pubmed_parsed.negated_date_ranges
+                     or _pubmed_parsed.groups
                      or _pubmed_parsed.plain_terms or _pubmed_parsed.has_not
                      or _pubmed_parsed.year_from or _pubmed_parsed.year_to)
             ]):
@@ -1130,7 +1140,7 @@ class AdvancedSearchEngine:
         elif field == "affiliation":
             return cast(GlobalLiterature.authors, String).ilike(_pt())
         elif field == "language":
-            return GlobalLiterature.language == term
+            return GlobalLiterature.language.ilike(_pt())
         elif field == "volume":
             return GlobalLiterature.volume.ilike(_pt())
         elif field == "issue":
@@ -1160,7 +1170,7 @@ class AdvancedSearchEngine:
             if "/" in term:
                 if term.startswith("10."):
                     return or_(
-                        GlobalLiterature.doi == term,
+                        GlobalLiterature.doi.ilike(term),
                         GlobalLiterature.doi.ilike(like_val),
                     )
                 return or_(
@@ -1199,7 +1209,7 @@ class AdvancedSearchEngine:
             # 1a. 精确入口词匹配（P1-3）— batch via OR
             entry_conds.append(GlobalTag.entry_terms.contains([q]))
             # 1b. name_en ILIKE 回退 — batch via OR
-            name_conds.append(GlobalTag.name_en.ilike(m))
+            name_conds.append(GlobalTag.name_en.ilike(_escape_ilike(m)))
 
         try:
             if entry_conds:
@@ -1240,7 +1250,10 @@ class AdvancedSearchEngine:
                 )).scalars().all()
 
                 if tns:
-                    child_conds = [GlobalTagTreeNumber.tree_number.like(f"{tn}%") for tn in tns]
+                    child_conds = [or_(
+                        GlobalTagTreeNumber.tree_number == tn,
+                        GlobalTagTreeNumber.tree_number.like(f"{tn}.%"),
+                    ) for tn in tns]
                     children = (await db.execute(
                         select(GlobalTagTreeNumber.tag_id).where(or_(*child_conds))
                     )).scalars().all()
@@ -1300,5 +1313,7 @@ class AdvancedSearchEngine:
             return [GlobalLiterature.authors[0]['family'].astext.asc().nullslast()]
         elif sort == "journal":
             return [GlobalLiterature.journal.asc().nullslast()]
+        elif sort == "title":
+            return [GlobalLiterature.title.asc().nullslast()]
         else:
             return [GlobalLiterature.pub_date.desc().nullslast(), GlobalLiterature.id.desc()]

docs/13-搜索修复全记录.md

@@ -2,7 +2,7 @@
 
 > 本文档按修复轮次详细记录所有搜索功能合规性修复的背景、根因分析和修改内容。
 >
-> **累计**：4 轮，59 项修复，50+ 字段标签注册，127 项测试覆盖
+> **累计**：5 轮，63 项修复，50+ 字段标签注册，214 项测试覆盖
 > **时间跨度**：2026-07-24 ~ 2026-07-27
 > **核心文件**：`pubmed_query_parser.py`（~620 行）→ `search_engine.py`（~1250 行）
 
@@ -14,7 +14,8 @@
 2. [第二轮：第二轮审计修复（8 项）](#第二轮第二轮审计修复)
 3. [第三轮：第三轮审计修复（14 项）](#第三轮第三轮审计修复)
 4. [第四轮：字段补全与语义优化（11 项）](#第四轮字段补全与语义优化)
-5. [遗留限制](#遗留限制)
+5. [第五轮：第 5 轮全面审计修复（4 项）](#第五轮第-5-轮全面审计修复)
+6. [遗留限制](#遗留限制)
 
 ---
 
@@ -324,15 +325,69 @@
 
 ---
 
+## 第五轮：第 5 轮全面审计修复
+
+**提交**：`pending`
+**日期**：2026-07-27
+**数量**：4 项
+**触发**：5 Agent 并行深度审计 + 第 2 轮规划核对
+
+### 背景
+
+第 4 轮后启动第 5 轮全面审计，5 个 agent 并行扫描 parser、engine、前端、文档。首先与第 2 轮审计计划（F1-F8）逐项核对，确认以下 8 项已在之前轮次完成：
+
+| 计划 ID | 项目 | 完成轮次 | 状态 |
+|---------|------|---------|------|
+| F1 | `[MH:noexp]` 顶层支持 | 第 3/4 轮 | 已修复 |
+| F2 | 组内 NOT De Morgan 律 | 第 2 轮 | 已验证正确 |
+| F3 | `_parse_not_expr` NOT NOT 递归 | 第 4 轮 | 已修复 |
+| F4 | SearchView Custom Range 日期 | 第 3 轮 | 已工作正常 |
+| F5 | HomeView restoreFromUrl | 第 3 轮 | 已工作正常 |
+| F6 | precision_mode 死代码 | 此前轮次 | 已移除 |
+| F7 | is_oa 死字段 | 此前轮次 | 已注释 `unused` |
+| F8 | `_expand_mesh_tag_ids` N+1 | 第 3/4 轮 | 已批量优化 |
+
+实际在第 5 轮修复的 4 项均为 parser 边缘案例：
+
+### P5-1: 尾部 NOT 导致 IndexError 降级
+
+- **文件**：`pubmed_query_parser.py` `_parse_not_expr` L498
+- **问题**：`cancer NOT` — 解析器 `_is_primary_start` 包含 `NOT`，隐式 AND 逻辑尝试将 NOT 作为新词开始，但 NOT 之后无 token → `peek()` 越界抛 `IndexError` → 整个查询降级为纯文本拆分，`NOT` 作为字面搜索词（影响极小但产生异常）
+- **根因**：`_parse_not_expr` 不检查是否已到 EOF
+- **修复**：消费 NOT token 后立即检查 `peek().type == TokenType.EOF`，直接返回 `[]` 静默忽略
+
+### P5-2: 单数字日期格式不被识别
+
+- **文件**：`pubmed_query_parser.py` `parse_pubmed_query` L679
+- **问题**：`2024-1-1[DP]` — tokeniser 的 DATE 模式只匹配 `\d{4}-\d{2}-\d{2}`，单数字月/日被解析为 `WORD('2024-1-1')` → `_dispatch_term` 设置 `date_from='2024-1-1'` → `date.fromisoformat()` 抛 `ValueError` → 日期条件被静默丢弃
+- **根因**：tokeniser 前缺少单数字日期归一化
+- **修复**：在 `parse_pubmed_query` 的 NFKC 归一化后增加 `YYYY-M-D → YYYY-MM-DD` 正则替换
+
+### P5-3: `is_pubmed_syntax` 不处理全角字符
+
+- **文件**：`pubmed_query_parser.py` `is_pubmed_syntax` L652
+- **问题**：全角括号 `［TI］` 不被 `\[...\]` 识别 → 检出失败 → 走纯文本路径（解析器内 `parse_pubmed_query` 做 NFKC 但已不会进入）
+- **根因**：`is_pubmed_syntax` 未做 NFKC 归一化、与 `parse_pubmed_query` 行为不一致
+- **修复**：函数开头增加 `query = unicodedata.normalize('NFKC', query)`
+
+### P5-4: `extract_pubmed_query_for_prisma` 不能处理 `[Title/Article]`
+
+- **文件**：`pubmed_query_parser.py` `extract_pubmed_query_for_prisma` L706
+- **问题**：归一化 regex `\[([\w:]+)\]` 不含 `/`，`[Title/Article]` 不被匹配、保持原文
+- **根因**：regex 字符类不含 `/`
+- **修复**：`[\w:]` → `[\w/:]`
+
+---
+
 ## 各轮变更摘要
 
-| 维度 | 第一轮 | 第二轮 | 第三轮 | 第四轮 |
+| 维度 | 第一轮 | 第二轮 | 第三轮 | 第四轮 | 第五轮 |
-|------|--------|--------|--------|--------|
+|------|--------|--------|--------|--------|--------|
-| 修复数 | 34 | 8 | 14 | 11 |
+| 修复数 | 34 | 8 | 14 | 11 | 4 |
-| 后端文件变更 | 全部 | engine + parser | engine + parser + api | engine + parser |
+| 后端文件变更 | 全部 | engine + parser | engine + parser + api | engine + parser | parser |
-| 前端文件变更 | SearchView + HomeView + Card | SearchView + HomeView + Panel | SearchView + HomeView | 0 |
+| 前端文件变更 | SearchView + HomeView + Card | SearchView + HomeView + Panel | SearchView + HomeView | 0 | 0 |
-| 测试变更 | 新增 | +6 项 | 已有覆盖 | 0 |
+| 测试变更 | 新增 | +6 项 | 已有覆盖 | 0 | 0 |
-| 新功能 | `[MH]`/`[EDAT]`/`[AD]`/`[LA]` 等 | — | — | `[GEN]`/`[PMC]`/`[Title/Abstract]` |
+| 新功能 | `[MH]`/`[EDAT]`/`[AD]`/`[LA]` 等 | — | — | `[GEN]`/`[PMC]`/`[Title/Abstract]` | — |
 | 性质 | 从零搭建 | 审计修复 | 深度审计修复 | 字段补全 |
 
 ---
@@ -360,4 +415,4 @@
 | `test_pubmed_query_parser.py` | ~40 | tokeniser、解析器、语法正确性 |
 | `test_pubmed_search_integration.py` | ~60 | 字段映射、API 集成、前端格式 |
 | `test_comprehensive_verify.py` | ~27 | 字段完整、NOT 语义、括号、日期 |
-| **合计** | **127** | 全部通过 |
+| **合计** | **214** | 全部通过 |