govdoc-md-cleaner v0.1.0: 政务文档 Markdown 清洗工具（规则引擎 + CLI + 测试）

- 8 条 YAML 声明规则：页码/页眉页脚/目录点线/图片/HTML表格/散落标签/行尾空白/空行
- 防误伤设计：protect 正则 + 内容形态豁免 + OCR burst 检测
- md-clean single/batch CLI，JSON 清洗报告
- 18 个单元测试

Co-Authored-By: Claude <noreply@anthropic.com>

docs/RULES.md

@@ -0,0 +1,45 @@
+# 规则编写指南
+
+一条清洗规则 = `cleaner/rules.py` 里的一个函数 + `rules/*.yaml` 里的一条声明。
+
+## 函数签名
+
+```python
+def _your_rule(text: str, params: dict, stats: dict) -> str:
+    ...
+    stats["your_hits"] = stats.get("your_hits", 0) + n   # 计入报告
+    return new_text
+```
+
+- 输入输出都是**整篇文本**；引擎按 `order` 从小到大依次调用。
+- `params` 来自 YAML，改参数不用改代码。
+- `stats` 的 key 会出现在 `report.json`，命名用蛇形复数（如 `page_lines`）。
+
+## YAML 声明
+
+```yaml
+rules:
+  - name: your_rule        # 必须与 REGISTRY 键一致，加载时校验
+    order: 55              # 应用顺序；同段处理尽量插在相关规则之间
+    enabled: true          # 某用例不适用的规则可单关
+    params:
+      threshold: 3
+      protect: ["正则1", "正则2"]
+```
+
+## 设计守则（从 gov_test_data 踩坑总结）
+
+1. **只删噪音，不删正文**。拿不准的形态默认保留，宁可漏删不可误删。
+2. **重复 ≠ 页眉**。标书是平行模板文档：签章栏、日期栏、声明结尾句、
+   编号条款都会重复出现。判定页眉前先过：
+   - `protect` 正则（业务模板白名单）
+   - 内容形态豁免（编号/列表/表格/字段行）
+   - burst 检测（连续刷屏才是 OCR 崩坏）
+3. **每个规则独立可测**。tests/ 里用真实数据浓缩的最小样例做回归，
+   尤其是防误伤样例（protect 命中、编号条款保留）。
+4. **统计必须可见**。每条规则报告命中数，批量清洗后扫一眼 report.json
+   就能发现某条规则突然命中异常（多半是误伤）。
+
+## 已知规则明细
+
+见 `rules/default.yaml` 内注释与 README 规则表。