BookParser.js 21 KB

123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555657585960616263646566676869707172737475767778798081828384858687888990919293949596979899100101102103104105106107108109110111112113114115116117118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161162163164165166167168169170171172173174175176177178179180181182183184185186187188189190191192193194195196197198199200201202203204205206207208209210211212213214215216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250251252253254255256257258259260261262263264265266267268269270271272273274275276277278279280281282283284285286287288289290291292293294295296297298299300301302303304305306307308309310311312313314315316317318319320321322323324325326327328329330331332333334335336337338339340341342343344345346347348349350351352353354355356357358359360361362363364365366367368369370371372373374375376377378379380381382383384385386387388389390391392393394395396397398399400401402403404405406407408409410411412413414415416417418419420421422423424425426427428429430431432433434435436437438439440441442443444445446447448449450451452453454455456457458459460461462463464465466467468469470471472473474475476477478479480481482483484485486487488489490491492493494495496497498499500501502503504505506507508509510511512513514515516517518519520521522523524525526527528529530531532533534535536537538539540541542543544545546547548549550551552553554555556557558559560561562563564565566567568569570571572573574575576577578579580581582583584585586587588589590591592593594595596597598599600601602603604605606607608609610611612613614615616617618619620621622623624625626627628629630631632633634635636637638639640641642643644645
  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 italic = false;
  34. let paraIndex = -1;
  35. let paraOffset = 0;
  36. let para = []; /*array of
  37. {
  38. index: Number,
  39. offset: Number, //сумма всех length до этого параграфа
  40. length: Number, //длина text без тегов
  41. text: String //текст параграфа (или title или epigraph и т.д) с вложенными тегами
  42. }
  43. */
  44. const newParagraph = (text, len) => {
  45. paraIndex++;
  46. let p = {
  47. index: paraIndex,
  48. offset: paraOffset,
  49. length: len,
  50. text: text,
  51. };
  52. para[paraIndex] = p;
  53. paraOffset += p.length;
  54. };
  55. const growParagraph = (text, len) => {
  56. if (paraIndex < 0) {
  57. newParagraph(' ', 1);
  58. growParagraph(text, len);
  59. return;
  60. }
  61. let p = para[paraIndex];
  62. if (p) {
  63. paraOffset -= p.length;
  64. if (p.length == 1 && p.text[0] == ' ' && len > 0) {
  65. p.length = 0;
  66. p.text = p.text.substr(1);
  67. }
  68. p.length += len;
  69. p.text += text;
  70. } else {
  71. p = {
  72. index: paraIndex,
  73. offset: paraOffset,
  74. length: len,
  75. text: text
  76. };
  77. }
  78. para[paraIndex] = p;
  79. paraOffset += p.length;
  80. };
  81. const onStartNode = (elemName) => {// eslint-disable-line no-unused-vars
  82. if (elemName == '?xml')
  83. return;
  84. tag = elemName;
  85. path += '/' + elemName;
  86. if (path.indexOf('/fictionbook/body') == 0) {
  87. if (tag == 'title') {
  88. newParagraph(' ', 1);
  89. bold = true;
  90. center = true;
  91. }
  92. if (tag == 'emphasis' || tag == 'strong') {
  93. growParagraph(`<${tag}>`, 0);
  94. }
  95. if ((tag == 'p' || tag == 'empty-line' || tag == 'v')) {
  96. newParagraph(' ', 1);
  97. }
  98. if (tag == 'subtitle') {
  99. newParagraph(' ', 1);
  100. bold = true;
  101. }
  102. if (tag == 'epigraph') {
  103. italic = true;
  104. }
  105. if (tag == 'poem') {
  106. newParagraph(' ', 1);
  107. }
  108. if (tag == 'text-author') {
  109. newParagraph(' <s> <s> <s> ', 4);
  110. }
  111. }
  112. };
  113. const onEndNode = (elemName) => {// eslint-disable-line no-unused-vars
  114. if (tag == elemName) {
  115. if (path.indexOf('/fictionbook/body') == 0) {
  116. if (tag == 'title') {
  117. bold = false;
  118. center = false;
  119. }
  120. if (tag == 'emphasis' || tag == 'strong') {
  121. growParagraph(`</${tag}>`, 0);
  122. }
  123. if (tag == 'subtitle') {
  124. bold = false;
  125. }
  126. if (tag == 'epigraph') {
  127. italic = false;
  128. }
  129. if (tag == 'stanza') {
  130. newParagraph(' ', 1);
  131. }
  132. }
  133. path = path.substr(0, path.length - tag.length - 1);
  134. let i = path.lastIndexOf('/');
  135. if (i >= 0) {
  136. tag = path.substr(i + 1);
  137. } else {
  138. tag = path;
  139. }
  140. }
  141. };
  142. const onTextNode = (text) => {// eslint-disable-line no-unused-vars
  143. text = he.decode(text);
  144. text = text.replace(/>/g, '&gt;');
  145. text = text.replace(/</g, '&lt;');
  146. if (text != ' ' && text.trim() == '')
  147. text = text.trim();
  148. if (text == '')
  149. return;
  150. text = text.replace(/[\t\n\r]/g, ' ');
  151. switch (path) {
  152. case '/fictionbook/description/title-info/author/first-name':
  153. fb2.firstName = text;
  154. break;
  155. case '/fictionbook/description/title-info/author/middle-name':
  156. fb2.middleName = text;
  157. break;
  158. case '/fictionbook/description/title-info/author/last-name':
  159. fb2.lastName = text;
  160. break;
  161. case '/fictionbook/description/title-info/genre':
  162. fb2.genre = text;
  163. break;
  164. case '/fictionbook/description/title-info/date':
  165. fb2.date = text;
  166. break;
  167. case '/fictionbook/description/title-info/book-title':
  168. fb2.bookTitle = text;
  169. break;
  170. case '/fictionbook/description/title-info/id':
  171. fb2.id = text;
  172. break;
  173. }
  174. if (path.indexOf('/fictionbook/description/title-info/annotation') == 0) {
  175. if (!fb2.annotation)
  176. fb2.annotation = '';
  177. if (tag != 'annotation')
  178. fb2.annotation += `<${tag}>${text}</${tag}>`;
  179. else
  180. fb2.annotation += text;
  181. }
  182. let tOpen = (center ? '<center>' : '');
  183. tOpen += (bold ? '<strong>' : '');
  184. tOpen += (italic ? '<emphasis>' : '');
  185. let tClose = (italic ? '</emphasis>' : '');
  186. tClose += (bold ? '</strong>' : '');
  187. tClose += (center ? '</center>' : '');
  188. if (path.indexOf('/fictionbook/body/title') == 0) {
  189. growParagraph(`${tOpen}${text}${tClose}`, text.length, true);
  190. }
  191. if (path.indexOf('/fictionbook/body/section') == 0) {
  192. switch (tag) {
  193. case 'p':
  194. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  195. break;
  196. default:
  197. growParagraph(`${tOpen}${text}${tClose}`, text.length);
  198. }
  199. }
  200. };
  201. const onProgress = async(prog) => {
  202. await sleep(1);
  203. callback(prog);
  204. };
  205. await sax.parse(data, {
  206. onStartNode, onEndNode, onTextNode, onProgress
  207. });
  208. this.fb2 = fb2;
  209. this.para = para;
  210. this.textLength = paraOffset;
  211. callback(100);
  212. await sleep(10);
  213. return {fb2};
  214. }
  215. findParaIndex(bookPos) {
  216. let result = undefined;
  217. //дихотомия
  218. let first = 0;
  219. let last = this.para.length - 1;
  220. while (first < last) {
  221. let mid = first + Math.floor((last - first)/2);
  222. if (bookPos <= this.para[mid].offset + this.para[mid].length - 1)
  223. last = mid;
  224. else
  225. first = mid + 1;
  226. }
  227. if (last >= 0) {
  228. const ofs = this.para[last].offset;
  229. if (bookPos >= ofs && bookPos < ofs + this.para[last].length)
  230. result = last;
  231. }
  232. return result;
  233. }
  234. splitToStyle(s) {
  235. let result = [];/*array of {
  236. style: {bold: Boolean, italic: Boolean, center: Boolean},
  237. text: String,
  238. }*/
  239. let style = {};
  240. const onTextNode = async(text) => {// eslint-disable-line no-unused-vars
  241. result.push({
  242. style: Object.assign({}, style),
  243. text: text
  244. });
  245. };
  246. const onStartNode = async(elemName) => {// eslint-disable-line no-unused-vars
  247. switch (elemName) {
  248. case 'strong':
  249. style.bold = true;
  250. break;
  251. case 'emphasis':
  252. style.italic = true;
  253. break;
  254. case 'center':
  255. style.center = true;
  256. break;
  257. }
  258. };
  259. const onEndNode = async(elemName) => {// eslint-disable-line no-unused-vars
  260. switch (elemName) {
  261. case 'strong':
  262. style.bold = false;
  263. break;
  264. case 'emphasis':
  265. style.italic = false;
  266. break;
  267. case 'center':
  268. style.center = false;
  269. break;
  270. }
  271. };
  272. sax.parseSync(s, {
  273. onStartNode, onEndNode, onTextNode
  274. });
  275. //длинные слова (или белиберду без пробелов) тоже разобьем
  276. const maxWordLength = this.maxWordLength;
  277. const parts = result;
  278. result = [];
  279. for (const part of parts) {
  280. let p = part;
  281. let i = 0;
  282. let spaceIndex = -1;
  283. while (i < p.text.length) {
  284. if (p.text[i] == ' ')
  285. spaceIndex = i;
  286. if (i - spaceIndex >= maxWordLength && i < p.text.length - 1 &&
  287. this.measureText(p.text.substr(spaceIndex + 1, i - spaceIndex), p.style) >= this.w - this.p) {
  288. result.push({style: p.style, text: p.text.substr(0, i + 1)});
  289. p = {style: p.style, text: p.text.substr(i + 1)};
  290. spaceIndex = -1;
  291. i = -1;
  292. }
  293. i++;
  294. }
  295. result.push(p);
  296. }
  297. return result;
  298. }
  299. splitToSlogi(word) {
  300. let result = [];
  301. const glas = new Set(['а', 'А', 'о', 'О', 'и', 'И', 'е', 'Е', 'ё', 'Ё', 'э', 'Э', 'ы', 'Ы', 'у', 'У', 'ю', 'Ю', 'я', 'Я']);
  302. const soglas = new Set([
  303. 'б', 'в', 'г', 'д', 'ж', 'з', 'й', 'к', 'л', 'м', 'н', 'п', 'р', 'с', 'т', 'ф', 'х', 'ц', 'ч', 'ш', 'щ',
  304. 'Б', 'В', 'Г', 'Д', 'Ж', 'З', 'Й', 'К', 'Л', 'М', 'Н', 'П', 'Р', 'С', 'Т', 'Ф', 'Х', 'Ч', 'Ц', 'Ш', 'Щ'
  305. ]);
  306. const znak = new Set(['ь', 'Ь', 'ъ', 'Ъ', 'й', 'Й']);
  307. const alpha = new Set([...glas, ...soglas, ...znak]);
  308. let slog = '';
  309. let slogLen = 0;
  310. const len = word.length;
  311. word += ' ';
  312. for (let i = 0; i < len; i++) {
  313. slog += word[i];
  314. if (alpha.has(word[i]))
  315. slogLen++;
  316. if (slogLen > 1 && i < len - 2 && (
  317. //гласная, а следом не 2 согласные буквы
  318. (glas.has(word[i]) && !(soglas.has(word[i + 1]) &&
  319. soglas.has(word[i + 2])) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  320. ) ||
  321. //предыдущая не согласная буква, текущая согласная, а следом согласная и согласная|гласная буквы
  322. (alpha.has(word[i - 1]) && !soglas.has(word[i - 1]) &&
  323. soglas.has(word[i]) && soglas.has(word[i + 1]) &&
  324. (glas.has(word[i + 2]) || soglas.has(word[i + 2])) &&
  325. alpha.has(word[i + 1]) && alpha.has(word[i + 2])
  326. ) ||
  327. //мягкий или твердый знак или Й
  328. (znak.has(word[i]) && alpha.has(word[i + 1]) && alpha.has(word[i + 2])) ||
  329. (word[i] == '-')
  330. ) &&
  331. //нельзя оставлять окончания на ь, ъ, й
  332. !(znak.has(word[i + 2]) && !alpha.has(word[i + 3]))
  333. ) {
  334. result.push(slog);
  335. slog = '';
  336. slogLen = 0;
  337. }
  338. }
  339. if (slog)
  340. result.push(slog);
  341. return result;
  342. }
  343. parsePara(paraIndex) {
  344. const para = this.para[paraIndex];
  345. if (!this.force &&
  346. para.parsed &&
  347. para.parsed.w === this.w &&
  348. para.parsed.p === this.p &&
  349. para.parsed.wordWrap === this.wordWrap &&
  350. para.parsed.maxWordLength === this.maxWordLength &&
  351. para.parsed.font === this.font
  352. )
  353. return para.parsed;
  354. const parsed = {
  355. w: this.w,
  356. p: this.p,
  357. wordWrap: this.wordWrap,
  358. maxWordLength: this.maxWordLength,
  359. font: this.font,
  360. };
  361. const lines = []; /* array of
  362. {
  363. begin: Number,
  364. end: Number,
  365. first: Boolean,
  366. last: Boolean,
  367. parts: array of {
  368. style: {bold: Boolean, italic: Boolean, center: Boolean},
  369. text: String,
  370. }
  371. }*/
  372. let parts = this.splitToStyle(para.text);
  373. let line = {begin: para.offset, parts: []};
  374. let partText = '';//накапливаемый кусок со стилем
  375. let str = '';//измеряемая строка
  376. let prevStr = '';//строка без крайнего слова
  377. let prevW = 0;
  378. let j = 0;//номер строки
  379. let style = {};
  380. let ofs = 0;//смещение от начала параграфа para.offset
  381. // тут начинается самый замес, перенос по слогам и стилизация
  382. for (const part of parts) {
  383. const words = part.text.split(' ');
  384. style = part.style;
  385. let sp1 = '';
  386. let sp2 = '';
  387. for (let i = 0; i < words.length; i++) {
  388. const word = words[i];
  389. ofs += word.length + (i < words.length - 1 ? 1 : 0);
  390. if (word == '' && i > 0 && i < words.length - 1)
  391. continue;
  392. str += sp1 + word;
  393. let p = (j == 0 ? parsed.p : 0);
  394. let w = this.measureText(str, style) + p;
  395. let wordTail = word;
  396. if (w > parsed.w && prevStr != '') {
  397. if (parsed.wordWrap) {//по слогам
  398. let slogi = this.splitToSlogi(word);
  399. if (slogi.length > 1) {
  400. let s = prevStr + sp1;
  401. let ss = sp1;
  402. let pw;
  403. const slogiLen = slogi.length;
  404. for (let k = 0; k < slogiLen - 1; k++) {
  405. let slog = slogi[0];
  406. let ww = this.measureText(s + slog + (slog[slog.length - 1] == '-' ? '' : '-'), style) + p;
  407. if (ww <= parsed.w) {
  408. s += slog;
  409. ss += slog;
  410. } else
  411. break;
  412. pw = ww;
  413. slogi.shift();
  414. }
  415. if (pw) {
  416. prevW = pw;
  417. partText += ss + (ss[ss.length - 1] == '-' ? '' : '-');
  418. wordTail = slogi.join('');
  419. }
  420. }
  421. }
  422. if (partText != '')
  423. line.parts.push({style, text: partText});
  424. if (line.parts.length) {//корявенько, коррекция при переносе, отрефакторить не вышло
  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. }
  431. line.end = para.offset + ofs - wordTail.length - 1 - (i < words.length - 1 ? 1 : 0);
  432. if (line.end - line.begin < 0)
  433. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  434. line.width = prevW;
  435. line.first = (j == 0);
  436. line.last = false;
  437. lines.push(line);
  438. line = {begin: line.end + 1, parts: []};
  439. partText = '';
  440. sp2 = '';
  441. str = wordTail;
  442. j++;
  443. }
  444. prevStr = str;
  445. partText += sp2 + wordTail;
  446. sp1 = ' ';
  447. sp2 = ' ';
  448. prevW = w;
  449. }
  450. if (partText != '')
  451. line.parts.push({style, text: partText});
  452. partText = '';
  453. }
  454. if (line.parts.length) {//корявенько, коррекция при переносе
  455. let t = line.parts[line.parts.length - 1].text;
  456. if (t[t.length - 1] == ' ') {
  457. line.parts[line.parts.length - 1].text = t.trimRight();
  458. prevW -= this.measureText(' ', style);
  459. }
  460. line.end = para.offset + para.length - 1;
  461. if (line.end - line.begin < 0)
  462. console.error(`Parse error, empty line in paragraph ${paraIndex}`);
  463. line.width = prevW;
  464. line.first = (j == 0);
  465. line.last = true;
  466. lines.push(line);
  467. } else {//подстраховка
  468. if (lines.length) {
  469. line = lines[lines.length - 1];
  470. const end = para.offset + para.length - 1;
  471. if (line.end != end)
  472. console.error(`Parse error, wrong end in paragraph ${paraIndex}`);
  473. line.end = end;
  474. }
  475. }
  476. parsed.lines = lines;
  477. para.parsed = parsed;
  478. return parsed;
  479. }
  480. findLineIndex(bookPos, lines) {
  481. let result = undefined;
  482. //дихотомия
  483. let first = 0;
  484. let last = lines.length - 1;
  485. while (first < last) {
  486. let mid = first + Math.floor((last - first)/2);
  487. if (bookPos <= lines[mid].end)
  488. last = mid;
  489. else
  490. first = mid + 1;
  491. }
  492. if (last >= 0) {
  493. if (bookPos >= lines[last].begin && bookPos <= lines[last].end)
  494. result = last;
  495. }
  496. return result;
  497. }
  498. getLines(bookPos, n) {
  499. let result = [];
  500. let paraIndex = this.findParaIndex(bookPos);
  501. if (paraIndex === undefined)
  502. return result;
  503. if (n > 0) {
  504. let parsed = this.parsePara(paraIndex);
  505. let i = this.findLineIndex(bookPos, parsed.lines);
  506. if (i === undefined)
  507. return result;
  508. while (n > 0) {
  509. result.push(parsed.lines[i]);
  510. i++;
  511. if (i >= parsed.lines.length) {
  512. paraIndex++;
  513. if (paraIndex < this.para.length)
  514. parsed = this.parsePara(paraIndex);
  515. else
  516. return result;
  517. i = 0;
  518. }
  519. n--;
  520. }
  521. } else if (n < 0) {
  522. n = -n;
  523. let parsed = this.parsePara(paraIndex);
  524. let i = this.findLineIndex(bookPos, parsed.lines);
  525. if (i === undefined)
  526. return result;
  527. while (n > 0) {
  528. result.push(parsed.lines[i]);
  529. i--;
  530. if (i < 0) {
  531. paraIndex--;
  532. if (paraIndex >= 0)
  533. parsed = this.parsePara(paraIndex);
  534. else
  535. return result;
  536. i = parsed.lines.length - 1;
  537. }
  538. n--;
  539. }
  540. }
  541. if (!result.length)
  542. result = null;
  543. return result;
  544. }
  545. }