修回写两bug：insert_pdf跨版本失效改直存源文档；app页码0/1基错位。线上e2e全绿

PROGRESS-deploy.md

@@ -16,3 +16,8 @@
 - PaddleOCR 接入（扫描件路径）
 - 跨词/跨行 PII 识别优化（平台组已发现紧贴文字漏检问题）
 - 人审界面 + 审计日志
+
+## 首轮线上端到端验收（11:03 更新）
+- 测试件：含身份证/手机号/邮箱的中文合同 PDF，经 https://tm.tongueclaw.com/ 全流程
+- 结果：三类敏感信息全部从文本层彻底删除 ✅ 非敏感正文完整保留 ✅ 脱敏件下载正常 ✅
+- 修复记录：① redactor insert_pdf 跨版本失效 → 改直接保存源文档；② app 页码 1 基/0 基错位导致回写落空 → 已修；③ 服务器 PyMuPDF 统一锁 1.26.5；④ 服务器加 1G swap 防 OOM

app.py

@@ -51,15 +51,16 @@ def process_pdf(input_path: Path, out_path: Path, task: dict):
         doc = fitz.open(stream=pdf_bytes, filetype="pdf")
         hits, items = [], []
         for i, page in enumerate(doc):
-            page_no = i + 1
+            page_no = i + 1  # 对外展示用 1 基页码
             words = tmkit.extract_page_words(page)
-            found = detector.scan_page_words(words, page_no)
+            found = detector.scan_page_words(words, i)  # tmkit/redactor 内部用 0 基
             for h in found or []:
                 items.append({"type": h.get("type", "未知"),
                               "text": h.get("text", ""),
                               "page": h.get("page", page_no)})
                 if h.get("bbox") is not None:
-                    hits.append({"page": h.get("page", page_no), "bbox": h["bbox"]})
+                    # 回写用 0 基页码，展示用 1 基，两者分开
+                    hits.append({"page": i, "bbox": h["bbox"]})
 
         # 阶段 4：脱敏回写
         task["stage"] = "脱敏回写"

tmkit/redactor.py

@@ -26,7 +26,6 @@ def redact_pdf(pdf_bytes: bytes, hits: List[dict], method: str = "redact") -> by
         by_page.setdefault(h["page"], []).append(h["bbox"])
 
     src = fitz.open(stream=pdf_bytes, filetype="pdf")
-    out = fitz.open()
     for pno, page in enumerate(src):
         boxes = by_page.get(pno, [])
         if method == "redact":
@@ -39,10 +38,9 @@ def redact_pdf(pdf_bytes: bytes, hits: List[dict], method: str = "redact") -> by
                 page.draw_rect(bbox, color=None, fill=(0, 0, 0))
         else:
             raise ValueError(f"unknown method: {method}")
-        out.insert_pdf(src, from_page=pno, to_page=pno)
+    # 直接保存原文档本身（apply_redactions 已就地修改页对象）。
-    # 注意：redact 修改的是 src 中的页，insert_pdf 会拷贝修改后的页
+    # 不用 insert_pdf 搬运到新文档——部分 PyMuPDF 版本会拷贝未脱敏的原始页。
     buf = io.BytesIO()
-    out.save(buf)
+    src.save(buf, garbage=3, deflate=True)
     src.close()
-    out.close()
     return buf.getvalue()