19维度图书解析流程调整-新增滑动窗口模式

src/datasets/parser/nodes/picture_stitching_node.py

@@ -56,8 +56,18 @@ class PictureStitchingNode(BaseNode):
         
         logger.info(f"开始拼接图片，共 {len(split_pages)} 页")
         
-        # 按页码排序
-        sorted_pages = sorted(split_pages, key=lambda x: x.get('page_number', 0))
+        # 按页码排序（安全处理）
+        sorted_pages = []
+        for page in split_pages:
+            if isinstance(page, dict):
+                sorted_pages.append(page)
+            else:
+                logger.warning(f"跳过无效的页面数据: {type(page)}")
+        
+        if not sorted_pages:
+            raise ValueError("没有有效的页面数据可以处理")
+        
+        sorted_pages.sort(key=lambda x: x.get('page_number', 0))
         
         # 提取所有图片
         images = []

src/datasets/parser/nodes/sliding_window_stitching_node.py

@@ -128,11 +128,32 @@ class SlidingWindowStitchingNode(BaseNode):
         
         logger.info(f"开始滑动窗口拼接，共 {len(split_pages)} 页，窗口大小: {self.window_size}")
         
-        # 按页码排序
-        sorted_pages = sorted(split_pages, key=lambda x: x.get('page_number', 0))
+        # 按页码排序（安全处理）
+        sorted_pages = []
+        for page in split_pages:
+            if isinstance(page, dict) and 'page_number' in page:
+                sorted_pages.append(page)
+            else:
+                logger.warning(f"跳过无效的页面数据: {type(page)}")
+        
+        sorted_pages.sort(key=lambda x: x.get('page_number', 0))
+        
+        if not sorted_pages:
+            raise ValueError("没有有效的页面数据可以处理")
+        
+        # 创建页码到图片的映射（安全处理）
+        page_map = {}
+        for page in sorted_pages:
+            page_num = page.get('page_number')
+            page_img = page.get('image')
+            if page_num is not None and page_img is not None:
+                page_map[page_num] = page_img
+            else:
+                logger.warning(f"页面数据缺少必要字段: page_number={page_num}, has_image={page_img is not None}")
+        
+        if not page_map:
+            raise ValueError("没有有效的页码-图片映射")
         
-        # 创建页码到图片的映射
-        page_map = {page.get('page_number'): page.get('image') for page in sorted_pages}
         page_numbers = sorted(page_map.keys())
         
         windowed_pages = []