Gradio-Lite 本地文本清理：保留段落并检查数据去向

样本准备与回退边界

本题要解决的是：不部署文本处理 Python 服务，怎样设计一个在浏览器内整理空行的页面，并检查原始资料有没有进入网络请求或持久存储。第一版只处理换行和连续空行，不纠错、不改写、不删除敏感字段。

所给 Hugging Face 博客索引收录了 2023 年 10 月 19 日的 Gradio-Lite: Serverless Gradio Running Entirely in Your Browser。它确认了历史文章条目及浏览器内运行这一主题，但不能证明当前嵌入入口、运行时版本、依赖支持或默认网络行为。下面的清理规则和代码是独立设计，页面接入仍需补充当前官方说明；本文没有完成浏览器运行验证。

• 准备无敏感信息的合成样本，包含中文引号、金额、小数、编号、缩进、单换行和连续空行。
• 保留原始文本副本。预览结果不能覆盖输入，更不能直接覆盖来源文件。
• 使用独立浏览器配置进行检查，记录浏览器版本、操作系统、页面版本及检查时间，减少扩展干扰。
• 页面第一版不加入模型、文件上传、远程接口、自动保存或访问统计；这只是设计约束，仍须检查实际运行页面。

清理不等于脱敏。姓名、联系方式和内部编号不会因为空行减少而失去敏感性；后续提交模型之前仍要另行审核资料范围。

对照样例与字符保留规则

建议第一版采用保守规则：将回车换行和单独回车统一为换行；仅把由普通空格、制表符或全角空格组成的行认作空行；段间最多保留一个空行；删除开头和结尾的空行。非空行的缩进、行尾空格及正文字符全部保留。

下面用 Python 字符串表示输入和预期输出，便于看清隐藏字符。它们是规则演算示例，不是页面运行结果。输入中金额后有两个普通空格，这两个空格也应保留。

输入：
  标题：预算说明

 	
金额：1,200.50 元。  
“计划”不等于“完成”。


编号：A-001


预期：  标题：预算说明

金额：1,200.50 元。  
“计划”不等于“完成”。

编号：A-001

这套规则面向普通粘贴资料，不适合作为代码、诗歌、表格或依赖空行数量的格式文档的通用整理规则。此类内容应保留原稿，或关闭空行压缩。

纯函数实现与界面连接

下面是原创 Python 逻辑，不导入第三方包，也不包含网络、文件或存储操作。它不代表整个宿主页面没有其他行为；浏览器运行时对该函数的执行仍需验证。

def clean_text(text):
    normalized = text.replace('\r\n', '\n').replace('\r', '\n')
    result = []
    pending_blank = False

    for line in normalized.split('\n'):
        if line.strip(' \t\u3000') == '':
            if result:
                pending_blank = True
            continue
        if pending_blank:
            result.append('')
        result.append(line)
        pending_blank = False

    return '\n'.join(result)


def preview(text):
    return clean_text(text)


assert clean_text('') == ''
assert clean_text(' \t\n\u3000') == ''
assert clean_text('a\r\nb') == 'a\nb'
assert clean_text('a\n \t\n\n b  ') == 'a\n\n b  '
assert clean_text('  x  ') == '  x  '

strip 只用来判断一行是否为空，不把处理后的行写回结果。因此非空行仍使用原来的 line。不要把它改成对全文按空白分词后重新拼接，否则段落、缩进和正文内空格都会受到影响。上述断言是待执行的检查用例，并非通过记录。

1. 从索引定位历史文章，再核对当前官方嵌入说明，登记入口资源版本、浏览器 Python 运行时及配套 Python 包版本。未核对时先停留在函数设计阶段，不拼凑加载地址。
2. 按已核对的说明建立最小空页面，先让固定字符串原样返回。确认执行位置在浏览器侧，不把普通服务端应用误当作浏览器内应用。
3. 把上面的函数放入该版本规定的 Python 入口，先执行断言。失败时先修正函数或换行输入，不同时加入额外依赖。
4. 配置原文输入区、结果预览区、处理按钮和清空按钮。桌面可并排对照，窄屏上下排列；结果按纯文本展示，不把粘贴内容解释为页面标记。
5. 仅将处理按钮连接到 preview，输入为原文文本，输出为结果预览。第一版不绑定输入变化自动处理，不配置外部推理请求。
6. 清空按钮同时清空原文、预览和错误状态。处理失败时清除旧结果并显示失败状态，避免把上一次结果当作本次输出。

页面连接设计，非框架调用代码：
原文输入 + 处理按钮 → 浏览器内 preview → 只读纯文本预览
清空按钮 → 原文清空 + 预览清空 + 错误状态清空
输入已变化但未处理 → 标记预览尚未更新
运行时未就绪 → 禁用处理
处理异常 → 清除旧预览 + 显示失败

以上交付的是函数与界面连接原型，不是可直接打开的完整 HTML 页面。资料包没有当前入口正文，因而不提供看似完整却未经核对的嵌入配方。补齐当前说明并完成下面的核验后，才能把它升级为可发布页面。

依赖兼容与离线状态核对

浏览器 Python 环境不能仅凭本机 Python 能运行来判断兼容。对每个新增包都应重新核对，第一版保持零额外第三方依赖，减少排查范围。下表是待填写的兼容工作表，不是支持列表。

需要把运行资源下载与用户文本传输分开记录。页面启动时的资源请求不能直接算作文本上传；反过来，函数没有联网代码也不能证明宿主页面不会发送文本。

1. 首次加载：清除该测试站点数据并关闭缓存复用，打开网络记录后加载页面。不输入正文，登记所有资源来源、失败请求及从开始导航到可处理的耗时。
2. 处理阶段：保持记录开启，输入唯一合成标记，例如 LOCALCHECK_A7_中文样本，依次观察粘贴、点击处理、清空和离开页面时的请求。查看查询参数、请求体、请求头和长连接消息，不只筛选某一种请求类型。
3. 已加载页面断网：运行时就绪后断网，输入一份新样本并处理。记录是否成功；成功只能支持该会话加载后的处理可用，不能推出重新打开也可用。
4. 缓存后离线重开：恢复正常缓存设置，在线加载完整页面后，再断网并重新打开或刷新。登记页面、运行时和依赖是否都能恢复。
5. 无缓存离线加载：清除测试站点数据后断网打开，单独记录结果。不要把前一步缓存命中写成无缓存也能启动。

每种状态分别填写记录。没有执行的项目写“未执行”，失败写明缺少的资源或错误，不填写推测耗时。

存储检查也要分阶段做：打开页面后记录基线，处理标记文本后检查一次，清空后检查一次，再重新打开检查。查看 Cookie、Local Storage、Session Storage、IndexedDB、Cache Storage，以及页面注册的后台缓存机制，区分运行资源缓存和用户资料残留。可参照浏览器缓存排查的检查思路组织记录，但不要把其他工具的存储接口或支持范围套用到本页面。

检查结果只对记录中的页面版本、浏览器和动作范围有效。标记未出现在可见请求中不是绝对不外传的证明，还应检查页面代码、第三方资源和可能的编码或延迟发送。网络归档也可能带有测试文本与会话信息，应仅使用合成数据并按权限保存。

故障原因与修正路径

发布验收与数据边界

• 当前嵌入入口、运行时、配套包和浏览器版本已登记，最小回显与清理函数用例均有执行记录。
• 空输入、全空白、混合换行、连续空行及重复处理都有检查；再次处理不应继续改变结果。
• 中文标点、金额、小数、编号、非空行缩进和行尾空格与原文一致，单换行没有被合并。
• 原文和预览分开，原稿不会被覆盖；过期预览、初始化、处理失败及清空状态明确，窄屏也能完整查看。
• 网络检查覆盖加载、粘贴、处理、清空与离开页面；资源请求与文本传输分别归类，异常目的地已解释或移除。
• 存储检查覆盖处理前后、清空后与重开后；用户文本残留及运行缓存分别记录，没有把界面清空等同于彻底擦除。
• 首次加载、会话内断网、缓存后离线重开、无缓存离线加载分别有结论；文案只声明已验证的条件。
• 归档页面版本、合成样本、预期与实际输出、环境、检查时间和受控产物位置；未执行项保持明确标记，不作为验收通过。
• 页面说明明确“格式清理不等于脱敏”，不提供零网络请求、绝不外传或全浏览器兼容的无依据承诺。

当前可以交付的是原创纯函数、对照样例、界面连接设计和待执行核对表。下一步应先补充当前官方嵌入与运行时资料，再完成页面接入和网络、存储及离线检查；在这些记录齐全前，不应把原型描述为已经完成兼容与隐私验收的成品。