# -*- coding: utf-8 -*-
"""预处理层（PREPROCESS）。

把原始 HTML 转成统一文档结构，不直接调用业务装配。

按 ARCHITECTURE.md §4.1 分层原则：
    preprocess 只把原始 HTML 转成统一文档结构，不直接调用业务装配。

Phase 4 已填充模块：
    html_cleaner.py <- 清洗、异常字符、附件前处理（来自 Preprocessing.py）
    table_parser.py <- tableToText / fixSpan / 表格二维化
    segmenter.py    <- segment / get_preprocessed_sentences 分句
    ner.py          <- get_preprocessed_entitys / union_ner / union_result
    article.py      <- get_preprocessed / get_preprocessed_article
    outline.py      <- get_preprocessed_outline + outline_extractor.py 合并
    kvtree.py       <- KV 树算法（来自 html_2_kvtree.py）

依赖方向（§4.3）：
    - preprocess 可引用 common / infra / interface.Entitys / interface.predictor
    - preprocess 不反向依赖 pipeline / assembly / rules
    - preprocess 内部依赖：article → table_parser / segmenter / html_cleaner / outline / ner
"""