Stripe 交易 Fraud CSV：数据完整性、行为匹配与错误码优先级

题目重点：六字段 CSV 从非空校验扩到金额/方法风险、用户行为基线和最多两个错误码，严格说明 50% 判定分母。

题意与假设

这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。

训练版标准 CSV 解析后恰六字段；哪列是 transaction ID/customer/amount/method/country/time 只是示例映射，正式列次以题面为准。
金额范围和 blocked list 都是外部配置，非空与数值格式错误先于风险规则报告；金额区间端点含不含边界按题面。
行为匹配率训练版定义为‘可比较且有历史基线的特征中匹配项数/可比较特征数’；缺失历史不等同不匹配。题目只说至少 50%，未给分母与空集判定。

先用 CSV parser 和 schema validator 将 parse error、字段缺失、值格式错误拆开；后续风险规则只在所需字段有效时运行，避免异常遮盖原始错误。
金额与 payment method 风险规则是独立谓词。金额超界、blocked method、行为不匹配都收集为结构化 Issue(code,priority,column)，而不是在第一个错误处立即 return。
行为匹配先定义特征归一化：国家代码、小时分箱、金额区间及用户历史窗口。计算 match_count 和 comparable_count，用 2×match_count≥comparable_count 比较，避免浮点；历史为空要用专门缺证状态按产品规则处理。
最后按题面指定的错误优先级稳定排序并截前两个；无错误输出 OK。column alignment 用最后一步格式化，核心验证返回数据结构，便于单测。
测试引号内逗号、六字段边界、金额阈值、blocked list 大小写、恰 50%、历史缺失、三种错误并发以及两个同优先级错误的确定顺序。

训练例某交易可比较 4 项行为特征，2 项与历史匹配，则 2/4=50%，按‘至少 50%’通过；1/4 不通过。若同时金额超限、method 被禁和行为不匹配，最多输出哪两个取决于题面优先级表，不能按 if 顺序偶然决定。

R 行交易、每行 F 个字段、每用户 H 项历史摘要：CSV 解析 O(总字符数)，规则评估 O(R(F+H))（若历史可预聚合则 O(RF)），每行错误数小且固定，排序 O(E log E)。空间 O(用户基线+单行字段/问题)，可流式输出。