BookParser.js 21 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333334335336337338339340341342343344345346347348349350351352353354355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388389390391392393394395396397398399400401402403404405406407408409410411412413414415416417418419420421422423424425426427428429430431432433434435436437438439440441442443444445446447448449450451452453454455456457458459460461462463464465466467468469470471472473474475476477478479480481482483484485486487488489490491492493494495496497498499500501502503504505506507508509510511512513514515516517518519520521522523524525526527528529530531532533534535536537538539540541542543544545546547548549550551552553554555556557558559560561562563564565566567568569570571572573574575576577578579580581582583584585586587588589590591592593594595596597598599600601602603604605606607608609610611612613614615616617618619620621622623624625626627628629630631632633634635636637638639640641642643644645646647648649650651652653654655656657
  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(settings) {
  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. //настройки
  15. if (settings) {
  16. this.cutEmptyParagraphs = settings.cutEmptyParagraphs;
  17. }
  18. }
  19. async parse(data, callback) {
  20. if (!callback)
  21. callback = () => {};
  22. callback(0);
  23. if (data.indexOf('<FictionBook') < 0) {
  24. throw new Error('Неверный формат файла');
  25. }
  26. //defaults
  27. let fb2 = {
  28. firstName: '',
  29. middleName: '',
  30. lastName: '',
  31. bookTitle: '',
  32. };
  33. let path = '';
  34. let tag = '';
  35. let center = false;
  36. let bold = false;
  37. let italic = false;
  38. let paraIndex = -1;
  39. let paraOffset = 0;
  40. let para = []; /*array of
  41. {
  42. index: Number,
  43. offset: Number, //сумма всех length до этого параграфа
  44. length: Number, //длина text без тегов
  45. text: String //текст параграфа (или title или epigraph и т.д) с вложенными тегами
  46. }
  47. */
  48. const newParagraph = (text, len) => {
  49. //схлопывание пустых параграфов
  50. if (this.cutEmptyParagraphs && paraIndex >= 0) {
  51. let p = para[paraIndex];
  52. if (p.length == 1 && p.text[0] == ' ')
  53. return;
  54. }
  55. paraIndex++;
  56. let p = {
  57. index: paraIndex,
  58. offset: paraOffset,
  59. length: len,
  60. text: text,
  61. };
  62. para[paraIndex] = p;
  63. paraOffset += p.length;
  64. };
  65. const growParagraph = (text, len) => {
  66. if (paraIndex < 0) {
  67. newParagraph(' ', 1);
  68. growParagraph(text, len);
  69. return;
  70. }
  71. let p = para[paraIndex];
  72. if (p) {
  73. paraOffset -= p.length;
  74. if (p.length == 1 && p.text[0] == ' ' && len > 0) {
  75. p.length = 0;
  76. p.text = p.text.substr(1);
  77. }
  78. p.length += len;
  79. p.text += text;
  80. } else {
  81. p = {
  82. index: paraIndex,
  83. offset: paraOffset,
  84. length: len,
  85. text: text
  86. };
  87. }
  88. para[paraIndex] = p;
  89. paraOffset += p.length;
  90. };
  91. const onStartNode = (elemName) => {// eslint-disable-line no-unused-vars
  92. if (elemName == '?xml')
  93. return;
  94. tag = elemName;
  95. path += '/' + elemName;
  96. if (path.indexOf('/fictionbook/body') == 0) {
  97. if (tag == 'title') {
  98. newParagraph(' ', 1);
  99. bold = true;
  100. center = true;
  101. }
  102. if (tag == 'emphasis' || tag == 'strong') {
  103. growParagraph(`<${tag}>`, 0);
  104. }
  105. if ((tag == 'p' || tag == 'empty-line' || tag == 'v')) {
  106. newParagraph(' ', 1);
  107. }
  108. if (tag == 'subtitle') {
  109. newParagraph(' ', 1);
  110. bold = true;
  111. }
  112. if (tag == 'epigraph') {
  113. italic = true;
  114. }
  115. if (tag == 'poem') {
  116. newParagraph(' ', 1);
  117. }
  118. if (tag == 'text-author') {
  119. newParagraph(' <s> <s> <s> ', 4);
  120. }
  121. }
  122. };
  123. const onEndNode = (elemName) => {// eslint-disable-line no-unused-vars
  124. if (tag == elemName) {
  125. if (path.indexOf('/fictionbook/body') == 0) {
  126. if (tag == 'title') {
  127. bold = false;
  128. center = false;
  129. }
  130. if (tag == 'emphasis' || tag == 'strong') {
  131. growParagraph(`</${tag}>`, 0);
  132. }
  133. if (tag == 'subtitle') {
  134. bold = false;
  135. }
  136. if (tag == 'epigraph') {
  137. italic = false;
  138. }
  139. if (tag == 'stanza') {
  140. newParagraph(' ', 1);
  141. }
  142. }
  143. path = path.substr(0, path.length - tag.length - 1);
  144. let i = path.lastIndexOf('/');
  145. if (i >= 0) {
  146. tag = path.substr(i + 1);
  147. } else {
  148. tag = path;
  149. }
  150. }
  151. };
  152. const onTextNode = (text) => {// eslint-disable-line no-unused-vars
  153. text = he.decode(text);
  154. text = text.replace(/>/g, '&gt;');
  155. text = text.replace(/</g, '&lt;');
  156. if (text != ' ' && text.trim() == '')
  157. text = text.trim();
  158. if (text == '')
  159. return;
  160. text = text.replace(/[\t\n\r]/g, ' ');
  161. switch (path) {
  162. case '/fictionbook/description/title-info/author/first-name':
  163. fb2.firstName = text;
  164. break;
  165. case '/fictionbook/description/title-info/author/middle-name':
  166. fb2.middleName = text;
  167. break;
  168. case '/fictionbook/description/title-info/author/last-name':
  169. fb2.lastName = text;
  170. break;
  171. case '/fictionbook/description/title-info/genre':
  172. fb2.genre = text;
  173. break;
  174. case '/fictionbook/description/title-info/date':
  175. fb2.date = text;
  176. break;
  177. case '/fictionbook/description/title-info/book-title':
  178. fb2.bookTitle = text;
  179. break;
  180. case '/fictionbook/description/title-info/id':
  181. fb2.id = text;
  182. break;
  183. }
  184. if (path.indexOf('/fictionbook/description/title-info/annotation') == 0) {
  185. if (!fb2.annotation)
  186. fb2.annotation = '';
  187. if (tag != 'annotation')
  188. fb2.annotation += `<${tag}>${text}</${tag}>`;
  189. else
  190. fb2.annotation += text;
  191. }
  192. let tOpen = (center ? '<center>' : '');
  193. tOpen += (bold ? '<strong>' : '');
  194. tOpen += (italic ? '<emphasis>' : '');
  195. let tClose = (italic ? '</emphasis>' : '');
  196. tClose += (bold ? '</strong>' : '');
  197. tClose += (center ? '</center>' : '');
  198. if (path.indexOf('/fictionbook/body/title') == 0) {
  199. growParagraph(`${tOpen}${text}${tClose}`, text.length, true);
  200. }
  201. if (path.indexOf('/fictionbook/body/section') == 0) {
  202. switch (tag) {
  203. case 'p':
  204. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  205. break;
  206. default:
  207. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  208. }
  209. }
  210. };
  211. const onProgress = async(prog) => {
  212. await sleep(1);
  213. callback(prog);
  214. };
  215. await sax.parse(data, {
  216. onStartNode, onEndNode, onTextNode, onProgress
  217. });
  218. this.fb2 = fb2;
  219. this.para = para;
  220. this.textLength = paraOffset;
  221. callback(100);
  222. await sleep(10);
  223. return {fb2};
  224. }
  225. findParaIndex(bookPos) {
  226. let result = undefined;
  227. //дихотомия
  228. let first = 0;
  229. let last = this.para.length - 1;
  230. while (first < last) {
  231. let mid = first + Math.floor((last - first)/2);
  232. if (bookPos <= this.para[mid].offset + this.para[mid].length - 1)
  233. last = mid;
  234. else
  235. first = mid + 1;
  236. }
  237. if (last >= 0) {
  238. const ofs = this.para[last].offset;
  239. if (bookPos >= ofs && bookPos < ofs + this.para[last].length)
  240. result = last;
  241. }
  242. return result;
  243. }
  244. splitToStyle(s) {
  245. let result = [];/*array of {
  246. style: {bold: Boolean, italic: Boolean, center: Boolean},
  247. text: String,
  248. }*/
  249. let style = {};
  250. const onTextNode = async(text) => {// eslint-disable-line no-unused-vars
  251. result.push({
  252. style: Object.assign({}, style),
  253. text: text
  254. });
  255. };
  256. const onStartNode = async(elemName) => {// eslint-disable-line no-unused-vars
  257. switch (elemName) {
  258. case 'strong':
  259. style.bold = true;
  260. break;
  261. case 'emphasis':
  262. style.italic = true;
  263. break;
  264. case 'center':
  265. style.center = true;
  266. break;
  267. }
  268. };
  269. const onEndNode = async(elemName) => {// eslint-disable-line no-unused-vars
  270. switch (elemName) {
  271. case 'strong':
  272. style.bold = false;
  273. break;
  274. case 'emphasis':
  275. style.italic = false;
  276. break;
  277. case 'center':
  278. style.center = false;
  279. break;
  280. }
  281. };
  282. sax.parseSync(s, {
  283. onStartNode, onEndNode, onTextNode
  284. });
  285. //длинные слова (или белиберду без пробелов) тоже разобьем
  286. const maxWordLength = this.maxWordLength;
  287. const parts = result;
  288. result = [];
  289. for (const part of parts) {
  290. let p = part;
  291. let i = 0;
  292. let spaceIndex = -1;
  293. while (i < p.text.length) {
  294. if (p.text[i] == ' ')
  295. spaceIndex = i;
  296. if (i - spaceIndex >= maxWordLength && i < p.text.length - 1 &&
  297. this.measureText(p.text.substr(spaceIndex + 1, i - spaceIndex), p.style) >= this.w - this.p) {
  298. result.push({style: p.style, text: p.text.substr(0, i + 1)});
  299. p = {style: p.style, text: p.text.substr(i + 1)};
  300. spaceIndex = -1;
  301. i = -1;
  302. }
  303. i++;
  304. }
  305. result.push(p);
  306. }
  307. return result;
  308. }
  309. splitToSlogi(word) {
  310. let result = [];
  311. const glas = new Set(['а', 'А', 'о', 'О', 'и', 'И', 'е', 'Е', 'ё', 'Ё', 'э', 'Э', 'ы', 'Ы', 'у', 'У', 'ю', 'Ю', 'я', 'Я']);
  312. const soglas = new Set([
  313. 'б', 'в', 'г', 'д', 'ж', 'з', 'й', 'к', 'л', 'м', 'н', 'п', 'р', 'с', 'т', 'ф', 'х', 'ц', 'ч', 'ш', 'щ',
  314. 'Б', 'В', 'Г', 'Д', 'Ж', 'З', 'Й', 'К', 'Л', 'М', 'Н', 'П', 'Р', 'С', 'Т', 'Ф', 'Х', 'Ч', 'Ц', 'Ш', 'Щ'
  315. ]);
  316. const znak = new Set(['ь', 'Ь', 'ъ', 'Ъ', 'й', 'Й']);
  317. const alpha = new Set([...glas, ...soglas, ...znak]);
  318. let slog = '';
  319. let slogLen = 0;
  320. const len = word.length;
  321. word += ' ';
  322. for (let i = 0; i < len; i++) {
  323. slog += word[i];
  324. if (alpha.has(word[i]))
  325. slogLen++;
  326. if (slogLen > 1 && i < len - 2 && (
  327. //гласная, а следом не 2 согласные буквы
  328. (glas.has(word[i]) && !(soglas.has(word[i + 1]) &&
  329. soglas.has(word[i + 2])) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  330. ) ||
  331. //предыдущая не согласная буква, текущая согласная, а следом согласная и согласная|гласная буквы
  332. (alpha.has(word[i - 1]) && !soglas.has(word[i - 1]) &&
  333. soglas.has(word[i]) && soglas.has(word[i + 1]) &&
  334. (glas.has(word[i + 2]) || soglas.has(word[i + 2])) &&
  335. alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  336. ) ||
  337. //мягкий или твердый знак или Й
  338. (znak.has(word[i]) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])) ||
  339. (word[i] == '-')
  340. ) &&
  341. //нельзя оставлять окончания на ь, ъ, й
  342. !(znak.has(word[i + 2]) && !alpha.has(word[i + 3]))
  343. ) {
  344. result.push(slog);
  345. slog = '';
  346. slogLen = 0;
  347. }
  348. }
  349. if (slog)
  350. result.push(slog);
  351. return result;
  352. }
  353. parsePara(paraIndex) {
  354. const para = this.para[paraIndex];
  355. if (!this.force &&
  356. para.parsed &&
  357. para.parsed.w === this.w &&
  358. para.parsed.p === this.p &&
  359. para.parsed.wordWrap === this.wordWrap &&
  360. para.parsed.maxWordLength === this.maxWordLength &&
  361. para.parsed.font === this.font
  362. )
  363. return para.parsed;
  364. const parsed = {
  365. w: this.w,
  366. p: this.p,
  367. wordWrap: this.wordWrap,
  368. maxWordLength: this.maxWordLength,
  369. font: this.font,
  370. };
  371. const lines = []; /* array of
  372. {
  373. begin: Number,
  374. end: Number,
  375. first: Boolean,
  376. last: Boolean,
  377. parts: array of {
  378. style: {bold: Boolean, italic: Boolean, center: Boolean},
  379. text: String,
  380. }
  381. }*/
  382. let parts = this.splitToStyle(para.text);
  383. let line = {begin: para.offset, parts: []};
  384. let partText = '';//накапливаемый кусок со стилем
  385. let str = '';//измеряемая строка
  386. let prevStr = '';//строка без крайнего слова
  387. let prevW = 0;
  388. let j = 0;//номер строки
  389. let style = {};
  390. let ofs = 0;//смещение от начала параграфа para.offset
  391. // тут начинается самый замес, перенос по слогам и стилизация
  392. for (const part of parts) {
  393. const words = part.text.split(' ');
  394. style = part.style;
  395. let sp1 = '';
  396. let sp2 = '';
  397. for (let i = 0; i < words.length; i++) {
  398. const word = words[i];
  399. ofs += word.length + (i < words.length - 1 ? 1 : 0);
  400. if (word == '' && i > 0 && i < words.length - 1)
  401. continue;
  402. str += sp1 + word;
  403. let p = (j == 0 ? parsed.p : 0);
  404. let w = this.measureText(str, style) + p;
  405. let wordTail = word;
  406. if (w > parsed.w && prevStr != '') {
  407. if (parsed.wordWrap) {//по слогам
  408. let slogi = this.splitToSlogi(word);
  409. if (slogi.length > 1) {
  410. let s = prevStr + sp1;
  411. let ss = sp1;
  412. let pw;
  413. const slogiLen = slogi.length;
  414. for (let k = 0; k < slogiLen - 1; k++) {
  415. let slog = slogi[0];
  416. let ww = this.measureText(s + slog + (slog[slog.length - 1] == '-' ? '' : '-'), style) + p;
  417. if (ww <= parsed.w) {
  418. s += slog;
  419. ss += slog;
  420. } else
  421. break;
  422. pw = ww;
  423. slogi.shift();
  424. }
  425. if (pw) {
  426. prevW = pw;
  427. partText += ss + (ss[ss.length - 1] == '-' ? '' : '-');
  428. wordTail = slogi.join('');
  429. }
  430. }
  431. }
  432. if (partText != '')
  433. line.parts.push({style, text: partText});
  434. if (line.parts.length) {//корявенько, коррекция при переносе, отрефакторить не вышло
  435. let t = line.parts[line.parts.length - 1].text;
  436. if (t[t.length - 1] == ' ') {
  437. line.parts[line.parts.length - 1].text = t.trimRight();
  438. prevW -= this.measureText(' ', style);
  439. }
  440. }
  441. line.end = para.offset + ofs - wordTail.length - 1 - (i < words.length - 1 ? 1 : 0);
  442. if (line.end - line.begin < 0)
  443. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  444. line.width = prevW;
  445. line.first = (j == 0);
  446. line.last = false;
  447. lines.push(line);
  448. line = {begin: line.end + 1, parts: []};
  449. partText = '';
  450. sp2 = '';
  451. str = wordTail;
  452. j++;
  453. }
  454. prevStr = str;
  455. partText += sp2 + wordTail;
  456. sp1 = ' ';
  457. sp2 = ' ';
  458. prevW = w;
  459. }
  460. if (partText != '')
  461. line.parts.push({style, text: partText});
  462. partText = '';
  463. }
  464. if (line.parts.length) {//корявенько, коррекция при переносе
  465. let t = line.parts[line.parts.length - 1].text;
  466. if (t[t.length - 1] == ' ') {
  467. line.parts[line.parts.length - 1].text = t.trimRight();
  468. prevW -= this.measureText(' ', style);
  469. }
  470. line.end = para.offset + para.length - 1;
  471. if (line.end - line.begin < 0)
  472. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  473. line.width = prevW;
  474. line.first = (j == 0);
  475. line.last = true;
  476. lines.push(line);
  477. } else {//подстраховка
  478. if (lines.length) {
  479. line = lines[lines.length - 1];
  480. const end = para.offset + para.length - 1;
  481. if (line.end != end)
  482. console.error(`Parse error, wrong end in paragraph ${paraIndex}`);
  483. line.end = end;
  484. }
  485. }
  486. parsed.lines = lines;
  487. para.parsed = parsed;
  488. return parsed;
  489. }
  490. findLineIndex(bookPos, lines) {
  491. let result = undefined;
  492. //дихотомия
  493. let first = 0;
  494. let last = lines.length - 1;
  495. while (first < last) {
  496. let mid = first + Math.floor((last - first)/2);
  497. if (bookPos <= lines[mid].end)
  498. last = mid;
  499. else
  500. first = mid + 1;
  501. }
  502. if (last >= 0) {
  503. if (bookPos >= lines[last].begin && bookPos <= lines[last].end)
  504. result = last;
  505. }
  506. return result;
  507. }
  508. getLines(bookPos, n) {
  509. let result = [];
  510. let paraIndex = this.findParaIndex(bookPos);
  511. if (paraIndex === undefined)
  512. return result;
  513. if (n > 0) {
  514. let parsed = this.parsePara(paraIndex);
  515. let i = this.findLineIndex(bookPos, parsed.lines);
  516. if (i === undefined)
  517. return result;
  518. while (n > 0) {
  519. result.push(parsed.lines[i]);
  520. i++;
  521. if (i >= parsed.lines.length) {
  522. paraIndex++;
  523. if (paraIndex < this.para.length)
  524. parsed = this.parsePara(paraIndex);
  525. else
  526. return result;
  527. i = 0;
  528. }
  529. n--;
  530. }
  531. } else if (n < 0) {
  532. n = -n;
  533. let parsed = this.parsePara(paraIndex);
  534. let i = this.findLineIndex(bookPos, parsed.lines);
  535. if (i === undefined)
  536. return result;
  537. while (n > 0) {
  538. result.push(parsed.lines[i]);
  539. i--;
  540. if (i < 0) {
  541. paraIndex--;
  542. if (paraIndex >= 0)
  543. parsed = this.parsePara(paraIndex);
  544. else
  545. return result;
  546. i = parsed.lines.length - 1;
  547. }
  548. n--;
  549. }
  550. }
  551. if (!result.length)
  552. result = null;
  553. return result;
  554. }
  555. }