pdf_compare_bu4.md 2.1 KB
2025年版《中国药典》四部目录 vs all_drugs.txt 对比结果
对比时间: 2026-07-24 PDF: 2025年版《中国药典》四部目录.pdf（12页） TXT: docs/all_drugs.txt 【四部】部分
总体数据
| 来源 | 条目数 |
|---|---|
| PDF 目录 | 892 |
| all_drugs.txt | 857 |
| 匹配 | 824 |
解读说明
四部 PDF 目录包含两大部分：
- 通用技术要求和指导原则（制剂通则、检查法、测定法、指导原则等）
- 药用辅料（品种正文）
all_drugs.txt 四部部分结构与 PDF 基本一致。
all_drugs.txt 缺少（PDF 有，TXT 无）
共 12 个（均为 PDF 跨行碎片，非真正缺失）：
| PDF 碎片 | 说明 |
|---|---|
| 0200其他通则 / 0600物理常数测定法 / 0700其他测定法 等 | PDF 二级章节标题（如 "0800 限量检查法"），all_drugs.txt 未单独列出，但子条目都在 |
| 3116对羟基苯甲酸甲酯、对羟基苯甲酸丙酯 | PDF 跨行碎片，all_drugs.txt 有完整记录 |
| 3122人免疫球蛋白类制品IgG单体加二聚体 | PDF 跨行碎片 |
| 3501重组乙型肝炎疫苗(酵母)体外相对效力 | PDF 跨行碎片 |
| 9502锝[ | PDF 生僻字截断，all_drugs.txt 有完整记录 |
| 含量测定法 / 技术要求 / 比色法) / 测定法(...) 等 | PDF 跨行碎片 |
真正缺失：0 个。 这些全部是 PDF 文本提取时的跨行截断问题。
all_drugs.txt 多余（TXT 有，PDF 无）
共 3 个（均为 PDF 解析遗漏，非真正多余）：
| 条目 | 说明 |
|---|---|
| L-乳酸 | PDF 为 "L 乳酸"（无横线），PDF 文本提取丢失了横线 |
| 氮 | PDF 单字行可能被过滤 |
| 锝[99mTc]放射性药品质量控制指导原则 | PDF 由于 "锝[" 生僻字被截断成两行 |
真正多余：0 个。
PDF 解析差异明细
共 29 个 PDF 文本提取问题，全部为生僻字符（𫫇唑、䓬等）或长名称跨行导致的碎片，两文件实际内容一致。
结论
四部完全一致，无实际差异。 所有报告的缺失/多余均为 PDF 文本提取的编码/跨行问题。