修复目录点线数量差异导致文本评分扣分的问题

[liumaker]

问题背景

目录页面通常使用连续句点连接章节标题和页码，例如：

第一章 引言........10
第一章 引言............10

这两条目录在语义上完全相同，差别只是点线长度。

模型生成 Markdown 时，目录点线的句点数量通常不稳定。如果 GT 和预测结果中的句点数量不同，原有文本 NED 会逐字比较这些句点，但是GT的句点个数通常与图片的句点也不相等，从而导致不必要的扣分。

修改内容

1. 增加目录点线识别规则。
2. 只识别标题与页码之间连续不少于4个句点的结构。
3. 支持句点之间带空格的目录点线。
4. 支持阿拉伯数字页码。
5. 支持罗马数字页码。
6. 将符合条件的目录点线规范化为一个空格。

[Soul-Code]

这个修复方向有真实数据支持：目录点线长度差异确实会造成不必要的文本评分扣分。

但当前实现会对所有普通文本行执行该正则，缺少 Markdown fenced code 上下文。例如代码块中的 field....10 也会被改成 field 10；同时，仅凭“4 个以上点 + 行尾页码”还不能证明该行一定是目录项，普通正文或代码也可能被误处理。

请修改后再合并：

1. 保留文档级 fenced code 状态，代码块内容不得进行目录点线归一化；
2. 尽量把规则限制在可确认的目录行或目录上下文中；
3. 补充测试：真实目录点线长度差异应被消除；代码块和普通正文中的相似文本必须保持不变。

另外，#10 与 #11 修改了同一文件的相邻逻辑，目前存在合并冲突；其中一个合并后，另一个需要 rebase，或者统一抽成安全的评分归一化流程。