读取形态学 NEXUS

nexus::parse 把一个 UTF-8 字符串读入 data::Matrix。它保留分类单元的顺序、声明的状态字母表、性状标签和状态标签，以及每一个观测单元格。它没有运行时依赖，也不会调用 BEAST。

在代码仓库根目录下试试随附的参考矩阵：

cargo run --release --example read_nexus -- fixtures/reference/20x50/matrix.nex

20 taxa, 50 characters, 2 declared states
23 observed patterns (50 total weight)

这个示例把所有性状当作一个分区，并在准备似然输入时拒绝缺口（gap）和多态。它只导入数据，不运行推断。

支持的语法

无效或不支持的输入会返回 nexus::Error，带有从 1 开始计数的行号和列号以及说明。

特性	支持情况
块	一个 DATA 或 CHARACTERS 块，前面可以有一个 TAXA 块。TREES 块会被跳过；树不会被导入。其他块会被拒绝。
维度	正的 NTAX 和 NCHAR。前置的 TAXA 块可以提供 NTAX。NEWTAXA 要求有 NTAX。所有声明的分类单元都必须在矩阵中恰好出现一次。
格式	DATATYPE=STANDARD、SYMBOLS、MISSING、GAP、RESPECTCASE、LABELS、NOTOKENS，以及 INTERLEAVE 或 INTERLEAVE=YES/NO。
字母表	至少两个有效的 ASCII 符号，每个状态一个字符。默认为 01。声明的顺序会被保留，包括未观测到的状态。
顺序行	带名字的行，单元格之间可以有空白，可以换行。
交错行	每一页都以相同顺序重复每个分类单元的标签。每行占一行，同一页内各行的性状数相等。各页的宽度可以不同。空行可有可无。不支持没有标签的续页。
名字	单引号括起的名字、双写的撇号和不带引号的名字。下划线变成空格。匹配和重复检测忽略 ASCII 大小写；返回的名字保留原有写法。
标签	恰好有 NCHAR 个名字的 CHARLABELS；带索引的 STATELABELS 和 CHARSTATELABELS。描述性的状态标签不会缩小声明的字母表。
注释	嵌套的方括号注释，包括词内的注释。接受 LF、CRLF 和 CR 换行。

有 TAXLABELS 时，返回的行遵循声明的顺序，即使矩阵中的行以另一种顺序出现。否则，由矩阵的第一页决定顺序。

默认值是：状态不区分大小写，缺失符号为 ?，没有缺口符号，顺序行。因此除非用 GAP=- 声明，- 不是缺口。在所选的大小写策略下，状态、缺失和缺口符号必须互不相同。

分子或连续数据类型、TOKENS、TRANSPOSE、NOLABELS、EQUATE、MATCHCHAR、状态范围、频率/计数、ELIMINATE、多个矩阵和不支持的命令都会被拒绝。SETS、ASSUMPTIONS 和应用程序特有的块同样会被拒绝：它们的分区、权重、排序或排除项不能在导入时消失。XML 解析不在这个 API 的范围内。

观测与末端节点似然

花括号与圆括号的区别遵循 NEXUS 规范。对于声明的字母表 012：

输入	存储的单元格	末端节点似然向量
1	Cell::State(1)	[0, 1, 0]
{01}	Cell::Uncertain([0, 1])	[1, 1, 0]
(01)	Cell::Polymorphic([0, 1])	在似然转换时被拒绝
?	Cell::Missing	[1, 1, 1]
声明的缺口	Cell::Gap	被拒绝，或在显式指定 GapTreatment::Missing 时为 [1, 1, 1]

不确定表示所列状态中的一个；多态则记录同时存在多个状态。当前的 Mk 观测模型不表示多态。导入时会保留它以供检查，但压缩会返回一个错误，指出所涉及的分类单元和性状。不会自动转换为不确定。缺口同样需要显式选择，因为形态学中的缺口可能表示不适用。

不确定向量是似然掩码，不是概率分布：{01} 为每个允许的状态贡献 1，不除以二。状态集合在导入时会排序并去重。

压缩重复列

分区范围从 0 开始计数、连续、非空，并且必须按顺序恰好覆盖矩阵一次。只要性状使用不同的模型或参数，就传入单独的范围。每个分区都保留完整的声明字母表；读取器从不根据观测推断每个性状的状态数或有序模型。

use rove::{data::GapTreatment, nexus};

let input = std::fs::read_to_string("fixtures/reference/20x50/matrix.nex")?;
let data = nexus::parse(&input)?;
let sites = 0..data.character_count();
let partitions = data.compress(std::slice::from_ref(&sites), GapTreatment::Reject)?;
let patterns = &partitions[0];

assert_eq!(patterns.weights().len(), 23);
assert_eq!(patterns.weights().iter().sum::<usize>(), 50);

Patterns::weights 保存精确的整数重数。site_to_pattern 把分区内的每个原始性状映射到一个模式，模式按首次出现的顺序编号。tip_partials 包含每个分类单元的位点模式主序值，可以直接交给 LikelihoodCore::set_tip_partials。调用核心的 log_likelihood 时，把整数权重转换为 f64。

压缩比较完整的单元格观测，包括其类别。缺失单元格和不确定单元格即使似然掩码相同，也保持为不同的模式。跨分区的相同列也保持分开。这样通过矩阵和映射保留了原始观测，代价是偶尔保留一些冗余计算。

只有观测到的列会被压缩。恒定列和仅含缺失的列仍然保留，也不会添加用于确认偏差校正的人造模式。Mkv 校正是 #14 中的独立工作。

测试读取两份 20 × 50 fixture，根据模式映射重建它们的列，并在带有不确定和缺失数据的生成矩阵上比较压缩前后的似然。