记录 45 份 GovDoc 测试 Markdown 的 HTML 表格只读结构分析

新增 research-wiki/scratch/html-table-real-data-analysis-2026-08-21.md：
按展开 span 后行列一致性给 2474+356+1879 个顶层表格分类（剔除空 tr 后
简单表 53% / 合并合并表 8% / 损坏表 40%），定位标签不闭合、丢失
colspan 标注、无表头三类主因。README 当前阶段补对应条目。

README.md

@@ -37,6 +37,9 @@ profile 表达论文、政务文档、RAG、文档对比等不同需求。
   （`research-wiki/scratch/html-table-cleaning-ecosystem-research-2026-08-21.md`）：核实 Pandoc 表格
   方言能力边界、Turndown 不处理合并单元格、Docling Markdown 导出重复合并单元格内容、MinerU 全
   HTML 输出，印证审计 T001 的分流方向。
+- 2026-08-21 完成 45 份测试 Markdown 中 HTML 表格的只读结构分析
+  （`research-wiki/scratch/html-table-real-data-analysis-2026-08-21.md`）：剔除空 `<tr>` 后
+  简单表 53% / 合法合并表 8% / 损坏表 40%，并定位标签不闭合、丢失 colspan 标注、无表头三类主因。
 - 2026-08-21 仓库由 `govdoc-md-cleaner` 更名为 `mdpolish`，GitHub 远程仓库与本地目录同步改名；
   冻结的 design 记录和带日期的 scratch 笔记保留当时的旧名。