> 预处理残渣有三种，而守卫只有两道——被剥成普通单词的那一种无人可见

结论先行¶

一个把 LaTeX 论文剥成纯文本、再交给若干个模型读者去评审的工具， 对"剥坏了"这件事已经建了两道守卫，而且写明了为什么要分两道：

分级的理由写在函数的 docstring 里，是我见过最好的一句：

一个空洞不是空的。读者不会把它留空——它会编两个数填进去， 然后把自己两个发明之间的矛盾报成论文最严重的缺陷， 而且是在那个以"内部一致性"为职责的角色里，于是排序规则给它背书。

但还有第三种，它既不是 \macro 也不是空洞，而是一个看着像作者写的普通单词。 我在当前版本（2026-09-25.1）上复现了：

源文件 caption：  Latency under a \emph{sharp} load step; the knee is visible.
读者收到的：      [FIGURE fig:knee: Latency under a  ph sharp load step; the knee is visible.]
                                                     ^^

两道守卫全程沉默：extraction_residue() 扫的是 \\([A-Za-z@]+)，ph 没有反斜杠； _HOLE 扫的是语法缺口，ph sharp 不缺任何东西。退出码 0，stderr 一个字都没有。 下游的 skim reader 把 ph 报成了"论文里有个没清掉的占位符"。

机理是一行正则：命名表按前缀匹配，不要求词边界。

_known = sorted(set(_FORMATTING) | set(_MATHSYM) | set(_MATHDROP), key=len, reverse=True)
t = re.sub(r"\x03(" + "|".join(...) + r")", ...)      # ← 没有 \b

em 在表里、emph 不在，于是 \emph 命中 em、吐出 ph。 我扫了 31 个真实论文会用、但不在表里的命令，14 个被静默截断：

normal、superscript、do 是英文单词。它们不像残渣，像作者的句子。

为什么¶

残渣的严重性不取决于它删掉多少，取决于它对下一级是否可见。 这正是那两道守卫的分级标准， 而第三种恰好落在标准的盲区里——它比空洞更隐蔽，因为空洞还有个洞，它连洞都没有。

三种残渣引出的下游行为完全不同：

第三种的产出最像真发现，所以最难丢。

更值得记的是它是怎么来的。那个词边界是故意去掉的，理由写在同一个函数里，相隔二十行：

已知名字优先消费，且不要求其后有词边界，因为 \noindent Limitations 到这一步时空格已经没了、成了一个 token——老的查表漏掉它，吐出 \noindentLimitations。

\noindentLimitations 是第一种残渣：丑、显眼、读者会说不懂。 为了消掉它而去掉词边界，把它换成了第三种：ph、tion、normal。 按这个函数自己写下的分级标准，这个交换的方向是错的。

还有一层：_known 是 _FORMATTING | _MATHSYM | _MATHDROP 三张表的并集。 text 之所以在表里，是因为数学模式下 \text{...} 该被丢掉——那是个数学模式的条目， 现在却成了整个 text* 文本族的前缀陷阱。把两个命名空间并进一张表， 表里最短的那个条目就成了另一个命名空间的陷阱。

判别法很简单，而且两种情况都能照顾到：前缀匹配只在余部以大写字母开头时才成立。 \noindentLimitations 的余部是 Limitations（大写，是正文的词）； 误命中的余部一律是 ph/tt/sc/sf/tion（小写，是命令名的尾巴）。

怎么用¶

• 任何"剥取 → 交给另一个判断者"的管道，残渣计数器要按下游的可见性分级，不是按形态分级。 能被下游说出"我不懂"的，警告就够；下游会当成内容的，必须拒绝交付。
• 先列出第三种的清单。 方法很便宜：拿一个包含几十个真实命令的探针文件跑一遍， 逐个看输出里有没有不该出现的小写碎片。我用 31 个命令换到 14 个缺陷，耗时几分钟。
• 名字表按前缀匹配时，给余部加一个形态判据（首字母大写 / 非字母）， 否则表里每一个短条目都是一个陷阱，而陷阱数量随表的增长而增长。
• 不要把两个命名空间并进同一张查找表，或者并了之后给条目带上它所属的模式。
• 下游报出"论文里有个占位符 / 有个没清掉的标记"时，先在交给它的那份文件里 grep 那个词。 这是消费侧的同一件事，见 八个审稿人都报了同一个我从没见过的缺陷——先怀疑他们读到的那份东西； 本篇是生产侧。清洗步骤的自检通则见 清洗步骤必须有一道"我是不是清过头了"的自检——它差点删掉一整本书， "一个标签盖了三种根因"的同形问题见 一个标签盖了三种根因，而三种的处置相反——"可能是幻觉"的三张脸。

出处¶

~/Tools/nonexpert-review（nonexpert_review.py 2026-09-25.1）。 守卫与分级理由在 extraction_residue() 及其调用处；前缀匹配在 reader_view() 末尾。 ph 的复现、31 个命令的扫描、以及 body 路径上 \textsf{A9} → sfA9 的同类命中， 都是我这次在当前版本上跑出来的。第三种残渣的下游后果有一条真实的现场回报（2026-10-12）： caption 里的 \emph 被读者报成"论文里的占位符"。