BookParser.js 20 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333334335336337338339340341342343344345346347348349350351352353354355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388389390391392393394395396397398399400401402403404405406407408409410411412413414415416417418419420421422423424425426427428429430431432433434435436437438439440441442443444445446447448449450451452453454455456457458459460461462463464465466467468469470471472473474475476477478479480481482483484485486487488489490491492493494495496497498499500501502503504505506507508509510511512513514515516517518519520521522523524525526527528529530531532533534535536537538539540541542543544545546547548549550551552553554555556557558559560561562563564565566567568569570571572573574575576577578579580581582583584585586587588589590591592593594595596597598599600601602603604605606607608609610611612613614615616
  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. if (paraIndex < 0) {
  56. newParagraph(text, len);
  57. return;
  58. }
  59. let p = para[paraIndex];
  60. if (p) {
  61. paraOffset -= p.length;
  62. if (p.length == 1 && p.text[0] == ' ' && len > 0) {
  63. p.length = 0;
  64. p.text = p.text.substr(1);
  65. }
  66. p.length += len;
  67. p.text += text;
  68. } else {
  69. p = {
  70. index: paraIndex,
  71. offset: paraOffset,
  72. length: len,
  73. text: text
  74. };
  75. }
  76. para[paraIndex] = p;
  77. paraOffset += p.length;
  78. };
  79. const onStartNode = (elemName) => {// eslint-disable-line no-unused-vars
  80. if (elemName == '?xml')
  81. return;
  82. tag = elemName;
  83. path += '/' + elemName;
  84. if ((tag == 'p' || tag == 'empty-line') && path.indexOf('/fictionbook/body/section') == 0) {
  85. newParagraph(' ', 1);
  86. }
  87. if (tag == 'emphasis' || tag == 'strong') {
  88. growParagraph(`<${tag}>`, 0);
  89. }
  90. if (tag == 'title') {
  91. //newParagraph(' ', 1);
  92. bold = true;
  93. center = true;
  94. }
  95. if (tag == 'subtitle') {
  96. //newParagraph(' ', 1);
  97. bold = true;
  98. }
  99. };
  100. const onEndNode = (elemName) => {// eslint-disable-line no-unused-vars
  101. if (tag == elemName) {
  102. if (tag == 'emphasis' || tag == 'strong') {
  103. growParagraph(`</${tag}>`, 0);
  104. }
  105. if (tag == 'title') {
  106. bold = false;
  107. center = false;
  108. }
  109. if (tag == 'subtitle')
  110. bold = false;
  111. path = path.substr(0, path.length - tag.length - 1);
  112. let i = path.lastIndexOf('/');
  113. if (i >= 0) {
  114. tag = path.substr(i + 1);
  115. } else {
  116. tag = path;
  117. }
  118. }
  119. };
  120. const onTextNode = (text) => {// eslint-disable-line no-unused-vars
  121. text = he.decode(text);
  122. text = text.replace(/>/g, '&gt;');
  123. text = text.replace(/</g, '&lt;');
  124. if (text != ' ' && text.trim() == '')
  125. text = text.trim();
  126. if (text == '')
  127. return;
  128. text = text.replace(/[\t\n\r]/g, ' ');
  129. switch (path) {
  130. case '/fictionbook/description/title-info/author/first-name':
  131. fb2.firstName = text;
  132. break;
  133. case '/fictionbook/description/title-info/author/middle-name':
  134. fb2.middleName = text;
  135. break;
  136. case '/fictionbook/description/title-info/author/last-name':
  137. fb2.lastName = text;
  138. break;
  139. case '/fictionbook/description/title-info/genre':
  140. fb2.genre = text;
  141. break;
  142. case '/fictionbook/description/title-info/date':
  143. fb2.date = text;
  144. break;
  145. case '/fictionbook/description/title-info/book-title':
  146. fb2.bookTitle = text;
  147. break;
  148. case '/fictionbook/description/title-info/id':
  149. fb2.id = text;
  150. break;
  151. }
  152. if (path.indexOf('/fictionbook/description/title-info/annotation') == 0) {
  153. if (!fb2.annotation)
  154. fb2.annotation = '';
  155. if (tag != 'annotation')
  156. fb2.annotation += `<${tag}>${text}</${tag}>`;
  157. else
  158. fb2.annotation += text;
  159. }
  160. let tOpen = (center ? '<center>' : '');
  161. tOpen += (bold ? '<strong>' : '');
  162. let tClose = (center ? '</center>' : '');
  163. tClose += (bold ? '</strong>' : '');
  164. if (path.indexOf('/fictionbook/body/title') == 0) {
  165. newParagraph(`${tOpen}${text}${tClose}`, text.length, true);
  166. }
  167. if (path.indexOf('/fictionbook/body/section') == 0) {
  168. switch (tag) {
  169. case 'p':
  170. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  171. break;
  172. default:
  173. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  174. }
  175. }
  176. };
  177. const onProgress = async(prog) => {
  178. await sleep(1);
  179. callback(prog);
  180. };
  181. await sax.parse(data, {
  182. onStartNode, onEndNode, onTextNode, onProgress
  183. });
  184. this.fb2 = fb2;
  185. this.para = para;
  186. this.textLength = paraOffset;
  187. callback(100);
  188. await sleep(10);
  189. return {fb2};
  190. }
  191. findParaIndex(bookPos) {
  192. let result = undefined;
  193. //дихотомия
  194. let first = 0;
  195. let last = this.para.length - 1;
  196. while (first < last) {
  197. let mid = first + Math.floor((last - first)/2);
  198. if (bookPos <= this.para[mid].offset + this.para[mid].length - 1)
  199. last = mid;
  200. else
  201. first = mid + 1;
  202. }
  203. if (last >= 0) {
  204. const ofs = this.para[last].offset;
  205. if (bookPos >= ofs && bookPos < ofs + this.para[last].length)
  206. result = last;
  207. }
  208. return result;
  209. }
  210. splitToStyle(s) {
  211. let result = [];/*array of {
  212. style: {bold: Boolean, italic: Boolean, center: Boolean},
  213. text: String,
  214. }*/
  215. let style = {};
  216. const onTextNode = async(text) => {// eslint-disable-line no-unused-vars
  217. result.push({
  218. style: Object.assign({}, style),
  219. text: text
  220. });
  221. };
  222. const onStartNode = async(elemName) => {// eslint-disable-line no-unused-vars
  223. switch (elemName) {
  224. case 'strong':
  225. style.bold = true;
  226. break;
  227. case 'emphasis':
  228. style.italic = true;
  229. break;
  230. case 'center':
  231. style.center = true;
  232. break;
  233. }
  234. };
  235. const onEndNode = async(elemName) => {// eslint-disable-line no-unused-vars
  236. switch (elemName) {
  237. case 'strong':
  238. style.bold = false;
  239. break;
  240. case 'emphasis':
  241. style.italic = false;
  242. break;
  243. case 'center':
  244. style.center = false;
  245. break;
  246. }
  247. };
  248. sax.parseSync(s, {
  249. onStartNode, onEndNode, onTextNode
  250. });
  251. //длинные слова (или белиберду без пробелов) тоже разобьем
  252. const maxWordLength = this.maxWordLength;
  253. const parts = result;
  254. result = [];
  255. for (const part of parts) {
  256. let p = part;
  257. let i = 0;
  258. let spaceIndex = -1;
  259. while (i < p.text.length) {
  260. if (p.text[i] == ' ')
  261. spaceIndex = i;
  262. if (i - spaceIndex >= maxWordLength && i < p.text.length - 1 &&
  263. this.measureText(p.text.substr(spaceIndex + 1, i - spaceIndex), p.style) >= this.w - this.p) {
  264. result.push({style: p.style, text: p.text.substr(0, i + 1)});
  265. p = {style: p.style, text: p.text.substr(i + 1)};
  266. spaceIndex = -1;
  267. i = -1;
  268. }
  269. i++;
  270. }
  271. result.push(p);
  272. }
  273. return result;
  274. }
  275. splitToSlogi(word) {
  276. let result = [];
  277. const glas = new Set(['а', 'А', 'о', 'О', 'и', 'И', 'е', 'Е', 'ё', 'Ё', 'э', 'Э', 'ы', 'Ы', 'у', 'У', 'ю', 'Ю', 'я', 'Я']);
  278. const soglas = new Set([
  279. 'б', 'в', 'г', 'д', 'ж', 'з', 'й', 'к', 'л', 'м', 'н', 'п', 'р', 'с', 'т', 'ф', 'х', 'ц', 'ч', 'ш', 'щ',
  280. 'Б', 'В', 'Г', 'Д', 'Ж', 'З', 'Й', 'К', 'Л', 'М', 'Н', 'П', 'Р', 'С', 'Т', 'Ф', 'Х', 'Ч', 'Ц', 'Ш', 'Щ'
  281. ]);
  282. const znak = new Set(['ь', 'Ь', 'ъ', 'Ъ', 'й', 'Й']);
  283. const alpha = new Set([...glas, ...soglas, ...znak]);
  284. let slog = '';
  285. let slogLen = 0;
  286. const len = word.length;
  287. word += ' ';
  288. for (let i = 0; i < len; i++) {
  289. slog += word[i];
  290. if (alpha.has(word[i]))
  291. slogLen++;
  292. if (slogLen > 1 && i < len - 2 && (
  293. //гласная, а следом не 2 согласные буквы
  294. (glas.has(word[i]) && !(soglas.has(word[i + 1]) &&
  295. soglas.has(word[i + 2])) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  296. ) ||
  297. //предыдущая не согласная буква, текущая согласная, а следом согласная и согласная|гласная буквы
  298. (alpha.has(word[i - 1]) && !soglas.has(word[i - 1]) &&
  299. soglas.has(word[i]) && soglas.has(word[i + 1]) &&
  300. (glas.has(word[i + 2]) || soglas.has(word[i + 2])) &&
  301. alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  302. ) ||
  303. //мягкий или твердый знак или Й
  304. (znak.has(word[i]) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])) ||
  305. (word[i] == '-')
  306. ) &&
  307. //нельзя оставлять окончания на ь, ъ, й
  308. !(znak.has(word[i + 2]) && !alpha.has(word[i + 3]))
  309. ) {
  310. result.push(slog);
  311. slog = '';
  312. slogLen = 0;
  313. }
  314. }
  315. if (slog)
  316. result.push(slog);
  317. return result;
  318. }
  319. parsePara(paraIndex) {
  320. const para = this.para[paraIndex];
  321. if (!this.force &&
  322. para.parsed &&
  323. para.parsed.w === this.w &&
  324. para.parsed.p === this.p &&
  325. para.parsed.wordWrap === this.wordWrap &&
  326. para.parsed.maxWordLength === this.maxWordLength &&
  327. para.parsed.font === this.font
  328. )
  329. return para.parsed;
  330. const parsed = {
  331. w: this.w,
  332. p: this.p,
  333. wordWrap: this.wordWrap,
  334. maxWordLength: this.maxWordLength,
  335. font: this.font,
  336. };
  337. const lines = []; /* array of
  338. {
  339. begin: Number,
  340. end: Number,
  341. first: Boolean,
  342. last: Boolean,
  343. parts: array of {
  344. style: {bold: Boolean, italic: Boolean, center: Boolean},
  345. text: String,
  346. }
  347. }*/
  348. let parts = this.splitToStyle(para.text);
  349. let line = {begin: para.offset, parts: []};
  350. let partText = '';//накапливаемый кусок со стилем
  351. let str = '';//измеряемая строка
  352. let prevStr = '';//строка без крайнего слова
  353. let prevW = 0;
  354. let j = 0;//номер строки
  355. let style = {};
  356. let ofs = 0;//смещение от начала параграфа para.offset
  357. // тут начинается самый замес, перенос по слогам и стилизация
  358. for (const part of parts) {
  359. const words = part.text.split(' ');
  360. style = part.style;
  361. let sp1 = '';
  362. let sp2 = '';
  363. for (let i = 0; i < words.length; i++) {
  364. const word = words[i];
  365. ofs += word.length + (i < words.length - 1 ? 1 : 0);
  366. if (word == '' && i > 0 && i < words.length - 1)
  367. continue;
  368. str += sp1 + word;
  369. let p = (j == 0 ? parsed.p : 0);
  370. let w = this.measureText(str, style) + p;
  371. let wordTail = word;
  372. if (w > parsed.w && prevStr != '') {
  373. if (parsed.wordWrap) {//по слогам
  374. let slogi = this.splitToSlogi(word);
  375. if (slogi.length > 1) {
  376. let s = prevStr + sp1;
  377. let ss = sp1;
  378. let pw;
  379. const slogiLen = slogi.length;
  380. for (let k = 0; k < slogiLen - 1; k++) {
  381. let slog = slogi[0];
  382. let ww = this.measureText(s + slog + (slog[slog.length - 1] == '-' ? '' : '-'), style) + p;
  383. if (ww <= parsed.w) {
  384. s += slog;
  385. ss += slog;
  386. } else
  387. break;
  388. pw = ww;
  389. slogi.shift();
  390. }
  391. if (pw) {
  392. prevW = pw;
  393. partText += ss + (ss[ss.length - 1] == '-' ? '' : '-');
  394. wordTail = slogi.join('');
  395. }
  396. }
  397. }
  398. if (partText != '')
  399. line.parts.push({style, text: partText});
  400. if (line.parts.length) {//корявенько, коррекция при переносе, отрефакторить не вышло
  401. let t = line.parts[line.parts.length - 1].text;
  402. if (t[t.length - 1] == ' ') {
  403. line.parts[line.parts.length - 1].text = t.trimRight();
  404. prevW -= this.measureText(' ', style);
  405. }
  406. }
  407. line.end = para.offset + ofs - wordTail.length - 1 - (i < words.length - 1 ? 1 : 0);
  408. if (line.end - line.begin < 0)
  409. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  410. line.width = prevW;
  411. line.first = (j == 0);
  412. line.last = false;
  413. lines.push(line);
  414. line = {begin: line.end + 1, parts: []};
  415. partText = '';
  416. sp2 = '';
  417. str = wordTail;
  418. j++;
  419. }
  420. prevStr = str;
  421. partText += sp2 + wordTail;
  422. sp1 = ' ';
  423. sp2 = ' ';
  424. prevW = w;
  425. }
  426. if (partText != '')
  427. line.parts.push({style, text: partText});
  428. partText = '';
  429. }
  430. if (line.parts.length) {//корявенько, коррекция при переносе
  431. let t = line.parts[line.parts.length - 1].text;
  432. if (t[t.length - 1] == ' ') {
  433. line.parts[line.parts.length - 1].text = t.trimRight();
  434. prevW -= this.measureText(' ', style);
  435. }
  436. line.end = para.offset + para.length - 1;
  437. if (line.end - line.begin < 0)
  438. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  439. line.width = prevW;
  440. line.first = (j == 0);
  441. line.last = true;
  442. lines.push(line);
  443. } else {//подстраховка
  444. if (lines.length) {
  445. line = lines[lines.length - 1];
  446. const end = para.offset + para.length - 1;
  447. if (line.end != end)
  448. console.error(`Parse error, wrong end in paragraph ${paraIndex}`);
  449. line.end = end;
  450. }
  451. }
  452. parsed.lines = lines;
  453. para.parsed = parsed;
  454. return parsed;
  455. }
  456. findLineIndex(bookPos, lines) {
  457. let result = undefined;
  458. //дихотомия
  459. let first = 0;
  460. let last = lines.length - 1;
  461. while (first < last) {
  462. let mid = first + Math.floor((last - first)/2);
  463. if (bookPos <= lines[mid].end)
  464. last = mid;
  465. else
  466. first = mid + 1;
  467. }
  468. if (last >= 0) {
  469. if (bookPos >= lines[last].begin && bookPos <= lines[last].end)
  470. result = last;
  471. }
  472. return result;
  473. }
  474. getLines(bookPos, n) {
  475. let result = [];
  476. let paraIndex = this.findParaIndex(bookPos);
  477. if (paraIndex === undefined)
  478. return result;
  479. if (n > 0) {
  480. let parsed = this.parsePara(paraIndex);
  481. let i = this.findLineIndex(bookPos, parsed.lines);
  482. if (i === undefined)
  483. return result;
  484. while (n > 0) {
  485. result.push(parsed.lines[i]);
  486. i++;
  487. if (i >= parsed.lines.length) {
  488. paraIndex++;
  489. if (paraIndex < this.para.length)
  490. parsed = this.parsePara(paraIndex);
  491. else
  492. return result;
  493. i = 0;
  494. }
  495. n--;
  496. }
  497. } else if (n < 0) {
  498. n = -n;
  499. let parsed = this.parsePara(paraIndex);
  500. let i = this.findLineIndex(bookPos, parsed.lines);
  501. if (i === undefined)
  502. return result;
  503. while (n > 0) {
  504. result.push(parsed.lines[i]);
  505. i--;
  506. if (i < 0) {
  507. paraIndex--;
  508. if (paraIndex >= 0)
  509. parsed = this.parsePara(paraIndex);
  510. else
  511. return result;
  512. i = parsed.lines.length - 1;
  513. }
  514. n--;
  515. }
  516. }
  517. if (!result.length)
  518. result = null;
  519. return result;
  520. }
  521. }