fix: 修复历史数据Excel格式兼容问题 + 完善开发文档

核心修复:
- lottery.py: load_history_data() 添加多格式Excel检测逻辑
  支持 格式A(双行header: 新列名+旧列名) 和 格式B(标准列名)
- lottery.py: parse_numbers() 新增拼接字符串(14位无分隔符)直接解析
  避免 re.findall 将整个号码串视为单个数字的问题
- app.py: load_history_dataframe() 同步修复多格式兼容逻辑

新增:
- docs/开发文档-双色球WebUI-v1.0.md: 完整开发文档
- deploy/backup.sh: 备份脚本

测试结果:
- 120条历史数据全部正确解析
- 号码生成API正常工作
- 全部API接口测试通过

Issue: BIZ-75

app.py

@@ -109,39 +109,67 @@ def add_record(strategy, num_tickets, filename):
 HISTORY_COLUMNS = ['开奖时间', '期数', '号码', '开机号', '和值特征', '奇偶比', '大小比', '奇偶形态', '跨度', '其他']
 
 def load_history_dataframe():
-    """智能加载历史数据 Excel，兼容新旧两种格式。
+    """智能加载历史数据 Excel，兼容多种格式。
 
-    新格式 (fetch_data.py 修复后): 第一行是标准列名，数据从第二行开始。
-    旧格式 (修复前): 两行 header，第一行英文列名，第二行中文描述行。
-
-    返回的 DataFrame 统一使用标准列名，数据已跳过所有 header 行。
+    格式A（fetch_data.py 当前输出）:
+      Row0=新列名(期号|开奖日期|红球1...|蓝球|特别号)
+      Row1=旧列名(开奖时间|期数|号码|开机号|...)
+      Row2+=实际数据
+    格式B（标准格式）:
+      Row0=列名(开奖时间|期数|号码|开机号|...)
+      Row1+=数据
     """
     import pandas as pd
-    df = pd.read_excel(CONFIG['history_file'], header=None)
+    raw_df = pd.read_excel(CONFIG['history_file'], header=None)
 
-    # 检测第一行是否包含标准列名
-    first_row = df.iloc[0].astype(str).tolist()
-    is_standard_header = any(col in first_row for col in ['开奖时间', '期数', '号码'])
+    row0_vals = raw_df.iloc[0].astype(str).tolist() if len(raw_df) > 0 else []
+    row1_vals = raw_df.iloc[1].astype(str).tolist() if len(raw_df) > 1 else []
 
-    if is_standard_header:
-        # 新格式: 第一行是标准列名，直接使用
-        data_df = df.iloc[1:].copy()
+    has_legacy_in_row0 = any(col in row0_vals for col in ['开奖时间', '期数', '号码'])
+    has_legacy_in_row1 = any(col in row1_vals for col in ['开奖时间', '期数', '号码'])
+    has_new_cols_in_row0 = any(col in row0_vals for col in ['期号', '开奖日期', '红球 1'])
+
+    if has_new_cols_in_row0 and has_legacy_in_row1:
+        # 格式A：跳过 Row0(新列名) 和 Row1(旧列名)，用旧列名，数据从 Row2 开始
+        data_df = raw_df.iloc[2:].copy()
+        num_cols = min(len(data_df.columns), len(HISTORY_COLUMNS))
+        data_df.columns = HISTORY_COLUMNS[:num_cols] + [f'col_{i}' for i in range(num_cols, len(data_df.columns))]
+    elif has_legacy_in_row0:
+        # 格式B：Row0 就是标准列名
+        data_df = raw_df.iloc[1:].copy()
         num_cols = min(len(data_df.columns), len(HISTORY_COLUMNS))
         data_df.columns = HISTORY_COLUMNS[:num_cols] + [f'col_{i}' for i in range(num_cols, len(data_df.columns))]
     else:
-        # 旧格式: 检查是否有两行 header
-        second_row = df.iloc[1].astype(str).tolist() if len(df) > 1 else []
-        has_second_header = any(col in second_row for col in ['开奖时间', '期数', '号码'])
-
-        if has_second_header:
-            # 两行 header，跳过前两行
-            data_df = df.iloc[2:].copy()
+        # 尝试默认读取
+        df = pd.read_excel(CONFIG['history_file'])
+        if '号码' not in df.columns and any(c in df.columns for c in ['红球 1', '红球1']):
+            # 分列格式，需要构建号码列
+            data_df = df.copy()
+            red_cols = [f'红球 {i}' for i in range(1, 7)]
+            if not all(c in data_df.columns for c in red_cols):
+                red_cols = [f'红球{i}' for i in range(1, 7)]
+            if all(c in data_df.columns for c in red_cols) and '蓝球' in data_df.columns:
+                def build_num(row):
+                    parts = []
+                    for c in red_cols:
+                        val = row.get(c)
+                        if pd.isna(val):
+                            return None
+                        s = str(int(val)) if isinstance(val, (int, float)) else str(val).strip()
+                        parts.append(s.zfill(2))
+                    blue_val = row.get('蓝球')
+                    if pd.isna(blue_val):
+                        return None
+                    blue_s = str(int(blue_val)) if isinstance(blue_val, (int, float)) else str(blue_val).strip()
+                    return ''.join(parts) + blue_s.zfill(2)
+                data_df['号码'] = data_df.apply(build_num, axis=1)
         else:
-            # 只有一行 header，跳过第一行
-            data_df = df.iloc[1:].copy()
+            data_df = df
 
         num_cols = min(len(data_df.columns), len(HISTORY_COLUMNS))
-        data_df.columns = HISTORY_COLUMNS[:num_cols] + [f'col_{i}' for i in range(num_cols, len(data_df.columns))]
+        # 如果列名不匹配标准，重命名
+        if not any(c in data_df.columns for c in HISTORY_COLUMNS[:3]):
+            data_df.columns = HISTORY_COLUMNS[:num_cols] + [f'col_{i}' for i in range(num_cols, len(data_df.columns))]
 
     data_df = data_df.reset_index(drop=True)
     return data_df