ZhiYuanTong/database

志愿通院校基础库

数据库名：zhiyuantong

表结构

• schools：全国招生院校主体当前基础信息，内部 UUID 为主键；教育部普通/成人高校使用十位学校标识码，军队与港澳院校代码为空并单独留存官方来源。
• school_names：正式名称、曾用名和别名历史。
• school_external_codes：甘肃等省份按年度发布的招生代码及专业组映射。
• school_campuses：校区与地址信息，后续从学校官方来源补充。
• data_sources：字段来源、原始文件哈希和抓取时间。
• ingestion_runs：每次导入的审计记录。
• admission_batches：甘肃 A-I 段批次和志愿规则。
• admission_plan_releases：初始计划或征集剩余计划的发布快照。
• admission_groups：按省份、年度、科类、段次稳定去重的院校专业组主表。
• admission_major_plans：院校专业组内专业计划或征集缺额人数。
• score_rank_points：一分一段累计人数、同分人数和位次区间。
• control_score_lines：省级特殊类型、本科和高职专科控制线。
• admission_cutoff_lines：院校专业组投档最低分和同分排序项。
• admission_major_lines：逐专业录取最低分、最低位次、最高分、平均分和录取人数。
• dataset_coverage：公开数据完整度及缺口，防止把征集剩余计划误作初始全量计划。
• review_records：各类业务记录当前的人工审核结论。
• review_audit_logs：审核状态、人员、意见和时间的不可覆盖历史日志。
• collection_scopes：全国省份与年度的采集状态矩阵，未采集、部分采集、已采集和已核验分级展示。
• dataset_publications：面向考生端的可回滚数据发布版本。
• data_quality_issues：标准化、审核和发布过程发现的质量问题。
• admission_dimension_mappings：按省份和年份维护的科类、层次及批次标准化映射。
• province_exam_configs：各省各年度考试模式、总分及位次口径配置。
• current_dataset_publications：每个省份、年度和数据集当前生效的公开版本指针。
• public_province_exam_configs：经过核验并按发布版本固化的省级考试模式。
• public_school_profiles：按版本固化的院校公开档案。
• public_school_admission_stats：按版本固化的院校或专业组投档统计。
• public_major_admission_stats：按版本固化的专业录取统计。
• public_score_rank_points：按版本固化的一分一段查询数据。
• automated_review_runs：批量自动审核采用的规则版本、范围和结果汇总。

所有实体表和字段均设置中文数据库备注。已存在数据库可执行 migrations/002_add_table_and_column_comments.sql 补齐备注；schema.sql 用于新建数据库时会直接创建相同备注。

已有数据库升级到 P0 公共接口数据模型时执行：

$env:MYSQL_PWD = '<本机数据库密码>'
mysql -u root -e "source database/migrations/008_create_publication_and_dimension_tables.sql"
mysql -u root -e "source database/migrations/011_create_versioned_public_read_models.sql"
mysql -u root -e "source database/migrations/012_create_automated_review_runs.sql"

011 会录入并发布 2025 年 31 个省级地区的已核验考试模式。其他公共快照不会 自动复制待审核数据，必须先通过质量门禁，再由发布接口创建并切换版本。

执行安全批量审核前必须先备份审核与发布表，然后运行 database/run_safe_batch_review_2025.sql。该脚本不会把开放数据集记录强制标为通过； 它们会进入 needs_review，结构问题会同步写入 data_quality_issues。

导入约定

数据库密码不写入文件。运行导入前通过进程环境变量 MYSQL_PWD 提供密码。 教育部名单每年保留一份原始文件；导入程序校验表头、学校数量和十位标识码唯一性后才写入数据库。

甘肃 2024 数据

原始文件保存在 data/raw/gansu/2024，保留官方 XLS/HTML 原件及 SHA-256。 甘肃考试院旧版 XLS 需由本机 Excel 正确解码中文，可执行：

powershell -ExecutionPolicy Bypass -File scripts/convert_gansu_2024_xls.ps1

建表并导入：

$env:MYSQL_PWD = '<本机数据库密码>'
mysql -u root -e "source database/schema.sql"
python scripts/import_gansu_2024.py --mysql-bin "C:\Program Files\MySQL\MySQL Server 8.4\bin\mysql.exe"

本批已导入：9 个段次规则、6 条普通类控制线、1,336 条一分一段、 6,442 条 C/F 段投档线、6,622 个年度院校专业组、1,387 条征集专业计划。 其中招生计划只覆盖官方公开的征集剩余/缺额计划；2024 初始全量《招生专业目录》 未发现公开下载附件，已在 dataset_coverage 中标记为 unavailable_publicly。

甘肃 2025 数据

原始网页和控制线图片保存在 data/raw/gansu/2025，每个来源均在 data_sources 中保留原网址、本地路径、抓取时间和 SHA-256。导入命令：

$env:MYSQL_PWD = '<本机数据库密码>'
python scripts/import_gansu_2025.py --mysql-bin "C:\Program Files\MySQL\MySQL Server 8.4\bin\mysql.exe"

本批已导入：9 个段次规则、1,319 条一分一段、34 条录取控制线，以及 10 次 征集志愿公告的发布元数据。其中普通类控制线 6 条，艺术类 22 条，体育类 6 条。

甘肃省教育考试院自 2025 年起不再公开院校专业组投档最低分，考生只能登录 个人系统查询本人录取结果；招生计划和征集剩余计划也要求登录志愿填报系统查看。 因此 2025 年的初始计划、征集专业计划、院校专业组和投档线均按官方公开政策标记为 unavailable_publicly，不以转载、推算或往年数据代填。对应校验脚本为 database/verify_gansu_2025.sql。

公开来源：

• 2025 年甘肃省普通高校招生网上填报志愿及征集志愿实施办法
• 2025 年本科批（C 段）院校专业组投档最低分及录取结果查询公告
• 2025 年普通高校招生征集志愿第 10 号公告
• 2025 年甘肃省普通高校招生录取最低控制分数线
• 物理类一分一段
• 历史类一分一段

全国 2025 GaokaoCompass 快照

GaokaoCompass 开放数据集原始 CSV 保存在 data/raw/gaokao_compass/2025，共 119 个 CSV、1,394,459 行，并由 manifest.json 记录文件大小、SHA-256 和行数。导入程序先 校验文件结构，再按省份逐个事务覆盖 2025 审核数据，避免任一省失败影响其他省份：

$env:MYSQL_PWD = '<本机数据库密码>'
python scripts/import_gaokao_compass_2025.py --mysql-bin "C:\Program Files\MySQL\MySQL Server 8.4\bin\mysql.exe"

当前成果：31 个省级地区全部标为已采集；866,917 条专业招生计划、200,185 个院校 专业组、74,978 条院校投档线、432,005 条专业录取线，以及各省一分一段和控制线 快照。所有记录默认进入待审核状态；119 份来源文件均在 data_sources 中 保存发布页、文件地址、本地路径和 SHA-256。

来源 CSV 缺失的计划人数、分数、专业组代码等字段保留为 NULL 或“未标注”，并在 dataset_coverage.notes 中逐省写明缺失数量；未提供某一类文件的省份显示为“暂无公开 全量”。这些开放数据仅作为审核快照，仍需与省级考试院原始公告复核。执行 database/verify_gaokao_compass_2025.sql 可查看逐省数据量和缺失值。

2025 官方补全与稳定学校 ID

教育部2025普通高校历史名单、招生引用成人高校、军队院校及香港院校均按不同口径 分别存档。更名、校区、中外合作机构、来源尾注、错别字和截断名称均通过可审计CSV 映射，禁止使用模糊相似度自动绑定。当前专业录取线和投档线的学校ID关联率为100%， 院校专业组除上海“民航飞行技术类”复合招生单元外全部关联；该单元的7个专业由多所 航校分别承办，已在 data_quality_issues 中标记为合法例外。

已使用省级官方原文补齐山西、新疆、西藏、青海和黑龙江控制线，并补齐青海一分一段、 校正山西一分一段科类。主要增量脚本如下：

$env:MYSQL_PWD = '<本机数据库密码>'
python scripts/import_missing_official_2025.py --mysql-bin "C:\Program Files\MySQL\MySQL Server 8.4\bin\mysql.exe"
python scripts/import_moe_historical_snapshot.py --year 2025 --file data/raw/moe/2025/national_regular_higher_education_institutions_2025.xls --mysql-bin "C:\Program Files\MySQL\MySQL Server 8.4\bin\mysql.exe"
python scripts/import_special_schools.py --help
python scripts/import_adult_school_subset.py --help
python scripts/link_school_aliases.py --help
python scripts/clean_school_name_anomalies.py --help
python scripts/import_official_control_lines.py --help

官方未公开全量的字段继续保留为 NULL，并在 dataset_coverage 标为 partial_public_snapshot 或 unavailable_publicly，不使用推测值补齐。