BookParser.js 20 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333334335336337338339340341342343344345346347348349350351352353354355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388389390391392393394395396397398399400401402403404405406407408409410411412413414415416417418419420421422423424425426427428429430431432433434435436437438439440441442443444445446447448449450451452453454455456457458459460461462463464465466467468469470471472473474475476477478479480481482483484485486487488489490491492493494495496497498499500501502503504505506507508509510511512513514515516517518519520521522523524525526527528529530531532533534535536537538539540541542543544545546547548549550551552553554555556557558559560561562563564565566567568569570571572573574575576577578579580581582583584585586587588589590591592593594595596597598599600601602603604605606607608
  1. import he from 'he';
  2. import sax from '../../../../server/core/BookConverter/sax';
  3. import {sleep} from '../../../share/utils';
  4. export default class BookParser {
  5. constructor() {
  6. // defaults
  7. this.p = 30;// px, отступ параграфа
  8. this.w = 300;// px, ширина страницы
  9. this.wordWrap = false;// перенос по слогам
  10. //заглушка
  11. this.measureText = (text, style) => {// eslint-disable-line no-unused-vars
  12. return text.length*20;
  13. };
  14. }
  15. async parse(data, callback) {
  16. if (!callback)
  17. callback = () => {};
  18. callback(0);
  19. if (data.indexOf('<FictionBook') < 0) {
  20. throw new Error('Неверный формат файла');
  21. }
  22. //defaults
  23. let fb2 = {
  24. firstName: '',
  25. middleName: '',
  26. lastName: '',
  27. bookTitle: '',
  28. };
  29. let path = '';
  30. let tag = '';
  31. let center = false;
  32. let bold = false;
  33. let paraIndex = -1;
  34. let paraOffset = 0;
  35. let para = []; /*array of
  36. {
  37. index: Number,
  38. offset: Number, //сумма всех length до этого параграфа
  39. length: Number, //длина text без тегов
  40. text: String //текст параграфа (или title или epigraph и т.д) с вложенными тегами
  41. }
  42. */
  43. const newParagraph = (text, len) => {
  44. paraIndex++;
  45. let p = {
  46. index: paraIndex,
  47. offset: paraOffset,
  48. length: len,
  49. text: text,
  50. };
  51. para[paraIndex] = p;
  52. paraOffset += p.length;
  53. };
  54. const growParagraph = (text, len) => {
  55. let p = para[paraIndex];
  56. if (p) {
  57. paraOffset -= p.length;
  58. if (p.length == 1 && p.text[0] == ' ' && len > 0) {
  59. p.length = 0;
  60. p.text = p.text.substr(1);
  61. }
  62. p.length += len;
  63. p.text += text;
  64. } else {
  65. p = {
  66. index: paraIndex,
  67. offset: paraOffset,
  68. length: len,
  69. text: text
  70. };
  71. }
  72. para[paraIndex] = p;
  73. paraOffset += p.length;
  74. };
  75. const onStartNode = (elemName) => {// eslint-disable-line no-unused-vars
  76. if (elemName == '?xml')
  77. return;
  78. tag = elemName;
  79. path += '/' + elemName;
  80. if ((tag == 'p' || tag == 'empty-line') && path.indexOf('/fictionbook/body/section') == 0) {
  81. newParagraph(' ', 1);
  82. }
  83. if (tag == 'emphasis' || tag == 'strong') {
  84. growParagraph(`<${tag}>`, 0);
  85. }
  86. if (tag == 'title') {
  87. newParagraph(' ', 1);
  88. bold = true;
  89. center = true;
  90. }
  91. if (tag == 'subtitle') {
  92. newParagraph(' ', 1);
  93. bold = true;
  94. }
  95. };
  96. const onEndNode = (elemName) => {// eslint-disable-line no-unused-vars
  97. if (tag == elemName) {
  98. if (tag == 'emphasis' || tag == 'strong') {
  99. growParagraph(`</${tag}>`, 0);
  100. }
  101. if (tag == 'title') {
  102. bold = false;
  103. center = false;
  104. }
  105. if (tag == 'subtitle')
  106. bold = false;
  107. path = path.substr(0, path.length - tag.length - 1);
  108. let i = path.lastIndexOf('/');
  109. if (i >= 0) {
  110. tag = path.substr(i + 1);
  111. } else {
  112. tag = path;
  113. }
  114. }
  115. };
  116. const onTextNode = (text) => {// eslint-disable-line no-unused-vars
  117. text = he.decode(text);
  118. text = text.replace(/[\t\n\r]/g, ' ');
  119. if (text != ' ' && text.trim() == '')
  120. text = text.trim();
  121. if (text == '')
  122. return;
  123. switch (path) {
  124. case '/fictionbook/description/title-info/author/first-name':
  125. fb2.firstName = text;
  126. break;
  127. case '/fictionbook/description/title-info/author/middle-name':
  128. fb2.middleName = text;
  129. break;
  130. case '/fictionbook/description/title-info/author/last-name':
  131. fb2.lastName = text;
  132. break;
  133. case '/fictionbook/description/title-info/genre':
  134. fb2.genre = text;
  135. break;
  136. case '/fictionbook/description/title-info/date':
  137. fb2.date = text;
  138. break;
  139. case '/fictionbook/description/title-info/book-title':
  140. fb2.bookTitle = text;
  141. break;
  142. case '/fictionbook/description/title-info/id':
  143. fb2.id = text;
  144. break;
  145. }
  146. if (path.indexOf('/fictionbook/description/title-info/annotation') == 0) {
  147. if (!fb2.annotation)
  148. fb2.annotation = '';
  149. if (tag != 'annotation')
  150. fb2.annotation += `<${tag}>${text}</${tag}>`;
  151. else
  152. fb2.annotation += text;
  153. }
  154. let tOpen = (center ? '<center>' : '');
  155. tOpen += (bold ? '<strong>' : '');
  156. let tClose = (center ? '</center>' : '');
  157. tClose += (bold ? '</strong>' : '');
  158. if (path.indexOf('/fictionbook/body/title') == 0) {
  159. newParagraph(`${tOpen}${text}${tClose}`, text.length, true);
  160. }
  161. if (path.indexOf('/fictionbook/body/section') == 0) {
  162. switch (tag) {
  163. case 'p':
  164. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  165. break;
  166. default:
  167. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  168. }
  169. }
  170. };
  171. const onProgress = async(prog) => {
  172. await sleep(1);
  173. callback(prog);
  174. };
  175. await sax.parse(data, {
  176. onStartNode, onEndNode, onTextNode, onProgress
  177. });
  178. this.fb2 = fb2;
  179. this.para = para;
  180. this.textLength = paraOffset;
  181. callback(100);
  182. await sleep(10);
  183. return {fb2};
  184. }
  185. findParaIndex(bookPos) {
  186. let result = undefined;
  187. //дихотомия
  188. let first = 0;
  189. let last = this.para.length - 1;
  190. while (first < last) {
  191. let mid = first + Math.floor((last - first)/2);
  192. if (bookPos <= this.para[mid].offset + this.para[mid].length - 1)
  193. last = mid;
  194. else
  195. first = mid + 1;
  196. }
  197. if (last >= 0) {
  198. const ofs = this.para[last].offset;
  199. if (bookPos >= ofs && bookPos < ofs + this.para[last].length)
  200. result = last;
  201. }
  202. return result;
  203. }
  204. splitToStyle(s) {
  205. let result = [];/*array of {
  206. style: {bold: Boolean, italic: Boolean, center: Boolean},
  207. text: String,
  208. }*/
  209. let style = {};
  210. const onTextNode = async(text) => {// eslint-disable-line no-unused-vars
  211. result.push({
  212. style: Object.assign({}, style),
  213. text: text
  214. });
  215. };
  216. const onStartNode = async(elemName) => {// eslint-disable-line no-unused-vars
  217. switch (elemName) {
  218. case 'strong':
  219. style.bold = true;
  220. break;
  221. case 'emphasis':
  222. style.italic = true;
  223. break;
  224. case 'center':
  225. style.center = true;
  226. break;
  227. }
  228. };
  229. const onEndNode = async(elemName) => {// eslint-disable-line no-unused-vars
  230. switch (elemName) {
  231. case 'strong':
  232. style.bold = false;
  233. break;
  234. case 'emphasis':
  235. style.italic = false;
  236. break;
  237. case 'center':
  238. style.center = false;
  239. break;
  240. }
  241. };
  242. sax.parseSync(s, {
  243. onStartNode, onEndNode, onTextNode
  244. });
  245. //длинные слова (или белиберду без пробелов) тоже разобьем
  246. const maxWordLength = this.maxWordLength;
  247. const parts = result;
  248. result = [];
  249. for (const part of parts) {
  250. let p = part;
  251. let i = 0;
  252. let spaceIndex = -1;
  253. while (i < p.text.length) {
  254. if (p.text[i] == ' ')
  255. spaceIndex = i;
  256. if (i - spaceIndex >= maxWordLength && i < p.text.length - 1 &&
  257. this.measureText(p.text.substr(spaceIndex + 1, i - spaceIndex), p.style) >= this.w - this.p) {
  258. result.push({style: p.style, text: p.text.substr(0, i + 1)});
  259. p = {style: p.style, text: p.text.substr(i + 1)};
  260. spaceIndex = -1;
  261. i = -1;
  262. }
  263. i++;
  264. }
  265. result.push(p);
  266. }
  267. return result;
  268. }
  269. splitToSlogi(word) {
  270. let result = [];
  271. const glas = new Set(['а', 'А', 'о', 'О', 'и', 'И', 'е', 'Е', 'ё', 'Ё', 'э', 'Э', 'ы', 'Ы', 'у', 'У', 'ю', 'Ю', 'я', 'Я']);
  272. const soglas = new Set([
  273. 'б', 'в', 'г', 'д', 'ж', 'з', 'й', 'к', 'л', 'м', 'н', 'п', 'р', 'с', 'т', 'ф', 'х', 'ц', 'ч', 'ш', 'щ',
  274. 'Б', 'В', 'Г', 'Д', 'Ж', 'З', 'Й', 'К', 'Л', 'М', 'Н', 'П', 'Р', 'С', 'Т', 'Ф', 'Х', 'Ч', 'Ц', 'Ш', 'Щ'
  275. ]);
  276. const znak = new Set(['ь', 'Ь', 'ъ', 'Ъ', 'й', 'Й']);
  277. const alpha = new Set([...glas, ...soglas, ...znak]);
  278. let slog = '';
  279. let slogLen = 0;
  280. const len = word.length;
  281. word += ' ';
  282. for (let i = 0; i < len; i++) {
  283. slog += word[i];
  284. if (alpha.has(word[i]))
  285. slogLen++;
  286. if (slogLen > 1 && i < len - 2 && (
  287. //гласная, а следом не 2 согласные буквы
  288. (glas.has(word[i]) && !(soglas.has(word[i + 1]) &&
  289. soglas.has(word[i + 2])) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  290. ) ||
  291. //предыдущая не согласная буква, текущая согласная, а следом согласная и согласная|гласная буквы
  292. (alpha.has(word[i - 1]) && !soglas.has(word[i - 1]) &&
  293. soglas.has(word[i]) && soglas.has(word[i + 1]) &&
  294. (glas.has(word[i + 2]) || soglas.has(word[i + 2])) &&
  295. alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  296. ) ||
  297. //мягкий или твердый знак или Й
  298. (znak.has(word[i]) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])) ||
  299. (word[i] == '-')
  300. ) &&
  301. //нельзя оставлять окончания на ь, ъ, й
  302. !(znak.has(word[i + 2]) && !alpha.has(word[i + 3]))
  303. ) {
  304. result.push(slog);
  305. slog = '';
  306. slogLen = 0;
  307. }
  308. }
  309. if (slog)
  310. result.push(slog);
  311. return result;
  312. }
  313. parsePara(paraIndex) {
  314. const para = this.para[paraIndex];
  315. if (!this.force &&
  316. para.parsed &&
  317. para.parsed.w === this.w &&
  318. para.parsed.p === this.p &&
  319. para.parsed.wordWrap === this.wordWrap &&
  320. para.parsed.maxWordLength === this.maxWordLength &&
  321. para.parsed.font === this.font
  322. )
  323. return para.parsed;
  324. const parsed = {
  325. w: this.w,
  326. p: this.p,
  327. wordWrap: this.wordWrap,
  328. maxWordLength: this.maxWordLength,
  329. font: this.font,
  330. };
  331. const lines = []; /* array of
  332. {
  333. begin: Number,
  334. end: Number,
  335. first: Boolean,
  336. last: Boolean,
  337. parts: array of {
  338. style: {bold: Boolean, italic: Boolean, center: Boolean},
  339. text: String,
  340. }
  341. }*/
  342. let parts = this.splitToStyle(para.text);
  343. let line = {begin: para.offset, parts: []};
  344. let partText = '';//накапливаемый кусок со стилем
  345. let str = '';//измеряемая строка
  346. let prevStr = '';//строка без крайнего слова
  347. let prevW = 0;
  348. let j = 0;//номер строки
  349. let style = {};
  350. let ofs = 0;//смещение от начала параграфа para.offset
  351. // тут начинается самый замес, перенос по слогам и стилизация
  352. for (const part of parts) {
  353. const words = part.text.split(' ');
  354. style = part.style;
  355. let sp1 = '';
  356. let sp2 = '';
  357. for (let i = 0; i < words.length; i++) {
  358. const word = words[i];
  359. ofs += word.length + (i < words.length - 1 ? 1 : 0);
  360. if (word == '' && i > 0 && i < words.length - 1)
  361. continue;
  362. str += sp1 + word;
  363. let p = (j == 0 ? parsed.p : 0);
  364. let w = this.measureText(str, style) + p;
  365. let wordTail = word;
  366. if (w > parsed.w && prevStr != '') {
  367. if (parsed.wordWrap) {//по слогам
  368. let slogi = this.splitToSlogi(word);
  369. if (slogi.length > 1) {
  370. let s = prevStr + sp1;
  371. let ss = sp1;
  372. let pw;
  373. const slogiLen = slogi.length;
  374. for (let k = 0; k < slogiLen - 1; k++) {
  375. let slog = slogi[0];
  376. let ww = this.measureText(s + slog + (slog[slog.length - 1] == '-' ? '' : '-'), style) + p;
  377. if (ww <= parsed.w) {
  378. s += slog;
  379. ss += slog;
  380. } else
  381. break;
  382. pw = ww;
  383. slogi.shift();
  384. }
  385. if (pw) {
  386. prevW = pw;
  387. partText += ss + (ss[ss.length - 1] == '-' ? '' : '-');
  388. wordTail = slogi.join('');
  389. }
  390. }
  391. }
  392. if (partText != '')
  393. line.parts.push({style, text: partText});
  394. if (line.parts.length) {//корявенько, коррекция при переносе, отрефакторить не вышло
  395. let t = line.parts[line.parts.length - 1].text;
  396. if (t[t.length - 1] == ' ') {
  397. line.parts[line.parts.length - 1].text = t.trimRight();
  398. prevW -= this.measureText(' ', style);
  399. }
  400. }
  401. line.end = para.offset + ofs - wordTail.length - 1 - (i < words.length - 1 ? 1 : 0);
  402. if (line.end - line.begin < 0)
  403. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  404. line.width = prevW;
  405. line.first = (j == 0);
  406. line.last = false;
  407. lines.push(line);
  408. line = {begin: line.end + 1, parts: []};
  409. partText = '';
  410. sp2 = '';
  411. str = wordTail;
  412. j++;
  413. }
  414. prevStr = str;
  415. partText += sp2 + wordTail;
  416. sp1 = ' ';
  417. sp2 = ' ';
  418. prevW = w;
  419. }
  420. if (partText != '')
  421. line.parts.push({style, text: partText});
  422. partText = '';
  423. }
  424. if (line.parts.length) {//корявенько, коррекция при переносе
  425. let t = line.parts[line.parts.length - 1].text;
  426. if (t[t.length - 1] == ' ') {
  427. line.parts[line.parts.length - 1].text = t.trimRight();
  428. prevW -= this.measureText(' ', style);
  429. }
  430. line.end = para.offset + para.length - 1;
  431. if (line.end - line.begin < 0)
  432. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  433. line.width = prevW;
  434. line.first = (j == 0);
  435. line.last = true;
  436. lines.push(line);
  437. } else {//подстраховка
  438. if (lines.length) {
  439. line = lines[lines.length - 1];
  440. const end = para.offset + para.length - 1;
  441. if (line.end != end)
  442. console.error(`Parse error, wrong end in paragraph ${paraIndex}`);
  443. line.end = end;
  444. }
  445. }
  446. parsed.lines = lines;
  447. para.parsed = parsed;
  448. return parsed;
  449. }
  450. findLineIndex(bookPos, lines) {
  451. let result = undefined;
  452. //дихотомия
  453. let first = 0;
  454. let last = lines.length - 1;
  455. while (first < last) {
  456. let mid = first + Math.floor((last - first)/2);
  457. if (bookPos <= lines[mid].end)
  458. last = mid;
  459. else
  460. first = mid + 1;
  461. }
  462. if (last >= 0) {
  463. if (bookPos >= lines[last].begin && bookPos <= lines[last].end)
  464. result = last;
  465. }
  466. return result;
  467. }
  468. getLines(bookPos, n) {
  469. let result = [];
  470. let paraIndex = this.findParaIndex(bookPos);
  471. if (paraIndex === undefined)
  472. return result;
  473. if (n > 0) {
  474. let parsed = this.parsePara(paraIndex);
  475. let i = this.findLineIndex(bookPos, parsed.lines);
  476. if (i === undefined)
  477. return result;
  478. while (n > 0) {
  479. result.push(parsed.lines[i]);
  480. i++;
  481. if (i >= parsed.lines.length) {
  482. paraIndex++;
  483. if (paraIndex < this.para.length)
  484. parsed = this.parsePara(paraIndex);
  485. else
  486. return result;
  487. i = 0;
  488. }
  489. n--;
  490. }
  491. } else if (n < 0) {
  492. n = -n;
  493. let parsed = this.parsePara(paraIndex);
  494. let i = this.findLineIndex(bookPos, parsed.lines);
  495. if (i === undefined)
  496. return result;
  497. while (n > 0) {
  498. result.push(parsed.lines[i]);
  499. i--;
  500. if (i < 0) {
  501. paraIndex--;
  502. if (paraIndex >= 0)
  503. parsed = this.parsePara(paraIndex);
  504. else
  505. return result;
  506. i = parsed.lines.length - 1;
  507. }
  508. n--;
  509. }
  510. }
  511. if (!result.length)
  512. result = null;
  513. return result;
  514. }
  515. }