实现 arXiv 提交边栏戳清洗组件

冻结 0004，新增严格整行删除组件和测试，并记录 5 份论文的只读验证结果。同步 ClinDB 清洗范围，并忽略本地 reference 调研副本。

README.md

@@ -7,8 +7,8 @@
 profile 表达论文、政务文档、RAG、文档对比等不同需求。
 
 仓库当前已从纯文档治理进入第一版核心实现阶段：已经提供可安装的 Python 内存处理包和测试，用于验证
-组件组合、精确修改和审计协议。仓库仍不提供真实清洗规则、命令行工具、文件读写适配器或生产接口，
-因此目前还不是拿来即可清洗文档的成品工具。
+组件组合、精确修改和审计协议，并已有一个严格整行匹配的论文清洗组件。仓库仍不提供完整规则集、命令行工具、
+文件读写适配器或生产接口，因此目前还不是拿来即可完成整篇文档清洗的成品工具。
 
 ## 当前阶段
 
@@ -22,7 +22,7 @@ profile 表达论文、政务文档、RAG、文档对比等不同需求。
 - `research-wiki/scratch/markdown-cleaning-ecosystem-research-2026-08-20.md` 完成首轮生态与架构调研。
 - 2026-08-21 完成师姐项目（ClinDB-ReviewBench）5 份论文 Markdown 的问题审计
   （`research-wiki/scratch/data-5papers-cleaning-audit-2026-08-21.md`），并确定其第一版清洗范围
-  （`research-wiki/reference/CLINDB_REVIEWBENCH_CLEANING_SCOPE.md`，9 类确定性规则）。
+  （`research-wiki/reference/CLINDB_REVIEWBENCH_CLEANING_SCOPE.md`，8 类自动清洗候选）。
 - 2026-08-21 明确本项目定位为实验室共用库；GovDoc 和论文清洗都是使用场景，不是核心边界。
 - 2026-08-21 批准并冻结 `research-wiki/design/0002-composable-cleaning-pipeline.md`，确定只接收 Markdown、
   项目显式组装组件、单轮修改加最终只读复查的总体组织方式。
@@ -30,6 +30,9 @@ profile 表达论文、政务文档、RAG、文档对比等不同需求。
   Python 内存自动清洗核心：组件只提出确定可执行的精确修改，不同时建设独立检查、人工建议或真实清洗规则。
 - 2026-08-22 按 `0003` 实现第一版内存核心和测试：包括不可变数据契约、组件基类、原子修改执行器、
   顺序流水线和最终稳定性复查；58 项测试以及 Ruff、mypy 检查均通过。
+- 2026-08-22 批准并实现 `research-wiki/design/0004-arxiv-submission-stamp-component.md`：新增严格整行匹配的
+  arXiv 提交边栏戳删除组件；5 份论文只读复核只命中 sim 和 springer 各一处，两处合法参考文献保持不变，
+  第二次运行零修改，源文件没有变化。
 - 2026-08-21 完成 HTML 表格清洗专题调研
   （`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
@@ -38,9 +41,9 @@ profile 表达论文、政务文档、RAG、文档对比等不同需求。
   冻结的 design 记录和带日期的 scratch 笔记保留当时的旧名。
 
 当前已有只处理内存字符串的底层执行机制和函数级契约，运行时只依赖 Python 标准库。组件可以针对当前
-Markdown 快照提出精确修改，流水线负责原子应用、审计记录、失败隔离和最终稳定性复查。仓库尚无任何正式
-清洗组件，因此不能把测试专用假组件或核心执行成功理解为已经具备论文、GovDoc、表格或图片清洗能力。
-调研报告中的解析器、内部 IR、具体 profile 和真实清洗规则仍是候选方案，尚未批准。
+Markdown 快照提出精确修改，流水线负责原子应用、审计记录、失败隔离和最终稳定性复查。当前唯一正式组件只删除
+完整匹配的 arXiv 提交边栏戳，不能把这一项能力理解为已经具备完整论文、GovDoc、表格或图片清洗能力。
+调研报告中的解析器、内部 IR、具体 profile 和其他真实清洗规则仍是候选方案，尚未批准。
 
 ## 服务对象与复用目标
 
@@ -87,7 +90,7 @@ mdpolish/
 ├── CLAUDE.md
 ├── README.md
 ├── pyproject.toml          # Python 包、构建和开发检查的唯一配置
-├── src/mdpolish/           # 第一版内存核心；不含真实清洗组件
+├── src/mdpolish/           # 第一版内存核心和已批准的业务组件
 ├── tests/                  # 核心契约和组合行为测试
 ├── data/                   # 本地项目数据；Git 忽略，未来按项目分区
 └── research-wiki/
@@ -108,10 +111,10 @@ mdpolish/
 3. `research-wiki/README.md`，确认文档应放在哪里；
 4. 与任务直接相关的 `research-wiki/design/` 记录。
 
-第一版核心的当前机制见 `research-wiki/explanation/first-executable-core.md`。下一项实质工作应从已经审计的问题中
-选择一个边界明确、能够唯一修复的真实清洗规则，新增 design 说明其语义、适用范围、误改风险和验收样例，
-经批准后再实现。解析器、CLI、文件适配器、profile 格式和独立检查能力仍需分别设计，不能从当前核心存在推导为
-已经获批。
+第一版核心的当前机制见 `research-wiki/explanation/first-executable-core.md`，首个真实组件见
+`research-wiki/explanation/arxiv-submission-stamp.md`。下一项候选是 ClinDB 范围中的 HTML 实体双重转义，
+但必须先用新 design 确定只在哪些 HTML 范围替换、如何避开字面示例以及实体替换边界。解析器、CLI、文件适配器、
+profile 格式和独立检查能力仍需分别设计，不能从当前核心或单个组件存在推导为已经获批。
 
 ## 当前可用检查
 
@@ -135,6 +138,6 @@ find research-wiki -maxdepth 2 -type f | sort
 git status --short
 ```
 
-上述安装和三项基础验收已于 2026-08-22 在 Python 3.13.11 环境实际运行：Ruff 通过，mypy 检查 9 个源码与
-测试文件无问题，pytest 共 58 项测试通过。`requires-python` 仍以 `pyproject.toml` 声明的 Python 3.11 及以上为准；
+上述安装和三项基础验收已于 2026-08-22 在 Python 3.13.11 环境实际运行：Ruff 通过，mypy 检查 12 个源码与
+测试文件无问题，pytest 共 87 项测试通过。`requires-python` 仍以 `pyproject.toml` 声明的 Python 3.11 及以上为准；
 本次结果不等于已经在每个受支持版本上完成兼容性验证。