sync-COD —— COD / PCOD / TCOD 源数据根与数据侧工具

两个构库仓库共用的源数据目录，外加操作这批数据的工具（验收 + 与官方同步）。

本仓库只放代码与文档：tools/ 里 13 个脚本 + 说明。 数据本体（约 120 GB / 200 万文件）不入库，由使用者自行获取后放到数据根 （缺省 D:/Project/XRD/sync-COD），用环境变量 XRD_DATA_ROOT 指过去。

2026-10-23 数据从 PolyXRD-DataBase/ 迁到本目录（同卷 rename，秒级）。 迁出原因：这些数据既不是 polyDB 的产物也不是 xinDB 的产物，而是两者的共同输入； 放在任何一个仓库里都会让另一个仓库"隔着仓库引用别人的数据"。

git clone https://github.com/PolyXRD/sync-COD.git
export XRD_DATA_ROOT=/path/to/data-root     # 指向放 COD/PCOD/TCOD 的地方
python tools/verify_data_root.py            # 先验数据是否完整

布局

<数据根>/                        ← 建议就叫 sync-COD
├── tools/                       ← 入库：验收 3 个 + 同步 10 个（同步已停用）
├── README.md  .gitignore        ← 入库
├── .gitattributes  LICENSE*     ← 入库（LF 归一 + 双许可）
│
├── COD/                      535,166 个 CIF   3 级布局 1/00/00/1000003.cif
├── PCOD/                   1,061,962 个       2 级布局（GRINSP 预测，全部判无机）
├── TCOD/                     362,293 个       3 级布局（理论结构）
├── inorg_cif/                                 ← 数据的副本，不入库
│   ├── COD/                   79,198 个       判为无机的 CIF
│   ├── PCOD/               1,061,962 个
│   └── TCOD/                  46,943 个
├── inorg_manifest.sqlite     289,300,480 B    逐条清单 1,959,421 行（无机 1,188,103）
└── sync_logs/                                 同步日志与清单留档（不入库）

约 120 GB / 200 万文件。inorg_cif/ 是副本，原始归档完整保留（只读引用，不删不改）—— 所以它在同一份数据上又占一份空间，这是刻意的冗余，便于 xinDB 只扫无机子集。

克隆下来的 tools/ 直接放进数据根即可，脚本按"自己上一级"定位数据根； 也可以放在任何位置，只要设好 XRD_DATA_ROOT。

谁在读它

消费者	用途
PolyXRD-DataBase/tools/build_polydb.py	读 COD/ + inorg_manifest.sqlite，出 polyDB
PolyXRD-DataBase/tools/scan_inorg.py	生成 inorg_cif/ 与 inorg_manifest.sqlite
XinMatch-DataBase/tools/build_cod_inorg_xindb.py	读 inorg_cif/{COD,PCOD,TCOD}，出 xinDB
XinMatch-DataBase/tools/scan_inorg.py	同上，生成清单与副本
PolyXRD 项目（tools/build_polydb.py、scripts/audit_cod_source.py）	建库与源数据对账
XinMatch 项目（xinmatch/core/db/cif_scan.py、tools/_env_check.py）	建库与自检

全部通过环境变量 XRD_DATA_ROOT 定位（缺省即本目录），代码里不再写死盘符。

一致性基线（核对用）

项	值
清单总行数	1,959,421
清单无机行数	1,188,103（60.6%）
COD	535,166 个，其中无机 79,198
PCOD	1,061,962 个，全部判无机
TCOD	362,293 个，其中无机 46,943
inorg_manifest.sqlite 字节数	289,300,480

跑 python tools/verify_data_root.py 会逐项比对这些数字，并抽样 1,500 个文件比字节数。

判据（不要动）

无机 = 不含 C，或含 C 但不含 H（碳酸盐 / 碳化物 / CO₂ 归无机）。 这个判据由 cif_common.is_inorganic 实现，直接决定上面 1,188,103 这个数； 改了它，新清单与已发布的 polyDB / xinDB 就对不上，无法逐条比对。

注意

• 数据目录（COD/ PCOD/ TCOD/ inorg_cif/ inorg_manifest.sqlite sync_logs/）都在 .gitignore 里，不会误提交。加数据前先 git status --short 看一眼。
• 搬大数据目录时注意：voidtools Everything 与 Windows Search 会持有目录句柄， 导致整个目录 mv 报 Permission denied（搬子文件反而能过）。对策见 tools/README.md 与两个构库仓库的 README。
• 本机的 rm -rf 在大文件上实际是移进回收站，可用空间不会增加；要真回收得清空回收站， 且 WorkBuddy 的 safe-delete 会拦截回收站内的二次删除。别指望 rm 腾空间。

相关仓库

仓库	吃什么	出什么
PolyXRD-DataBase	COD/ + inorg_manifest.sqlite	*.polyDB（目录式，mmap）
XinMatch-DataBase	inorg_cif/{COD,PCOD,TCOD}	*.xinDB（单文件 SQLite）

两者都不含数据，都靠本仓库这份源数据建库。