fix: 优化目录域代码清理正则表达式

1. isTocEntry() 修复检测逻辑：
   - "TOC \\" 和 "TOC\\" 两种格式

2. cleanTocTextWithPage() 优化正则：
   - TOC 域代码支持多参数格式 (TOC \o "1-2" \h \z \u)
   - HYPERLINK 增加无参数情况处理
   - PAGEREF 页码提取正则优化

需要重新解析文档才能生效

backend/parse-service/src/main/java/com/lingyue/parse/service/WordStructuredExtractionService.java

@@ -333,9 +333,11 @@ public class WordStructuredExtractionService {
     private boolean isTocEntry(String text) {
         if (text == null) return false;
         // 目录域代码特征
+        // 检测目录特征（Java 字符串中 \\ 表示单个反斜杠）
         return text.contains("HYPERLINK") || 
                text.contains("PAGEREF") || 
-               text.contains("TOC \\o") ||
+               text.contains("TOC \\") ||       // TOC \o, TOC \h 等
+               text.contains("TOC\\") ||        // 无空格情况
                text.contains("_Toc");
     }
     
@@ -347,29 +349,29 @@ public class WordStructuredExtractionService {
         
         String result = text;
         
-        // 移除 TOC 域代码头
-        result = result.replaceAll("TOC\\s+\\\\[ohzu]\\s+\"[^\"]*\"\\s*", "");
-        result = result.replaceAll("TOC\\s+\\\\[ohzu]\\s*", "");
+        // 移除 TOC 域代码头（支持多种格式）
+        // 格式: TOC \o "1-2" \h \z \u
+        result = result.replaceAll("TOC\\s*(\\\\[ohzu]\\s*(\"[^\"]*\")?\\s*)+", "");
         
         // 移除 HYPERLINK 域代码
         // 格式: HYPERLINK \l "_Toc176869144" 实际文本
         result = result.replaceAll("HYPERLINK\\s+\\\\l\\s+\"[^\"]*\"\\s*", "");
         result = result.replaceAll("HYPERLINK\\s+\"[^\"]*\"\\s*", "");
+        result = result.replaceAll("HYPERLINK\\s*", "");
         
         // 提取页码（在 PAGEREF 后面）
         String pageNum = "";
-        java.util.regex.Pattern pagePattern = java.util.regex.Pattern.compile("PAGEREF\\s+[^\\s]+\\s+\\\\h\\s*(\\d+)");
+        java.util.regex.Pattern pagePattern = java.util.regex.Pattern.compile("PAGEREF\\s+\\S+\\s*(\\\\h)?\\s*(\\d+)");
         java.util.regex.Matcher pageMatcher = pagePattern.matcher(result);
         if (pageMatcher.find()) {
-            pageNum = pageMatcher.group(1);
+            pageNum = pageMatcher.group(2);
         }
         
         // 移除 PAGEREF 域代码
         // 格式: PAGEREF _Toc176869144 \h 1
-        result = result.replaceAll("PAGEREF\\s+[^\\s]+\\s+\\\\h\\s*\\d*", "");
-        result = result.replaceAll("PAGEREF\\s+[^\\s]+\\s*", "");
+        result = result.replaceAll("PAGEREF\\s+\\S+\\s*(\\\\h)?\\s*\\d*", "");
         
-        // 移除其他常见域代码标记
+        // 移除其他常见域代码标记（如 \l \o \h \z \u）
         result = result.replaceAll("\\\\[lohzu]\\s*", "");
         
         // 清理多余空格