直接用正则抓某某年，会把大量非年号的结构抓进来。例如一云八十这类异文、「在位七十年」这类叙述、八十一年这类数目，都能匹配「某年」的模式，但都不是年号纪年。更麻烦的是，有些句子里的「元年」前面根本不是年号，而是「开元」这样的年号与「元年」黏连，或「高祖元年」这样的庙号加元年。库中最终只收一百零三条，靠的是白名单：先把汉至唐初常见年号列成表，再要求年号二字以上、出现在句读之后或段首，且前后没有「云」「曰」「在位」等干扰字。这样做的代价是漏收，好处是每一条都能回原文核实。类书的纪年层本来就稀疏，若为了数量放宽口径，会把整层变成噪声，反而无法用于任何研究。这也是全书统计的一条通则：宁可少收，不可错收。白名单也不是万全之策：有些年号只出现一次，白名单若漏收，就会整条丢失。当前七十三条是白名单内命中的口径，报告里另列疑似年号但未收的候选，供人工复核，而不是把候选直接入库。白名单之外还有一类半截年号，如「元封」被写成「元封中」元封后，正则只认「年」字，这类就会漏收。当前口径接受这种漏收，因为半截年号的时间精度本就不足，收进来也无法用于年代统计。白名单也可以反过来用：若某年号高频出现而名单漏收，就说明名单需要扩充；这比逐年人工检索高效。名单扩充之后，应重新跑一遍抽取，并把新增条目回原文核对，不能只信数字变多。名单扩充之后，新增条目的门类分布也要一并检查，防止偏收某一部。白名单的口径必须写清楚，否则数字会被误读成全书纪年总数。